Научная статья на тему 'Занятость и производительность труда в макрорегионах России: пространственные взаимозависимости'

Занятость и производительность труда в макрорегионах России: пространственные взаимозависимости Текст научной статьи по специальности «Экономика и бизнес»

CC BY
327
52
i Надоели баннеры? Вы всегда можете отключить рекламу.

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Русановский Виктор Александрович, Марков Владимир Александрович

В статье показано, что ключевыми индикаторами экономического развития России становятся показатели пространственного размещения занятых и экономического потенциала. Выявлено, что локализация этих ресурсов определяет региональную дифференциацию по производительности труда. Определены регрессионные зависимости между производительностью труда, занятостью, параметрами урбанизации, агломерации и локализации. Осуществлен прогноз региональной локализации занятости по макрорегионам России.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Русановский Виктор Александрович, Марков Владимир Александрович

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Занятость и производительность труда в макрорегионах России: пространственные взаимозависимости»

В.А. Русановский, В.А. Марков

ЗАНЯТОСТЬ И ПРОИЗВОДИТЕЛЬНОСТЬ ТРУДА

В МАКРОРЕГИОНАХ РОССИИ: ПРОСТРАНСТВЕННЫЕ ВЗАИМОЗАВИСИМОСТИ

В статье показано, что ключевыми индикаторами экономического развития России становятся показатели пространственного размещения занятых и экономического потенциала. Выявлено, что локализация этих ресурсов определяет региональную дифференциацию по производительности труда. Определены регрессионные зависимости между производительностью труда, занятостью, параметрами урбанизации, агломерации и локализации. Осуществлен прогноз региональной локализации занятости по макрорегионам России.

Одной из проблем экономического развития России является чрезмерная локализация точек экономического роста, т.е. интенсивный рост отдельных мегаполисов, тогда как другие центры возможного экономического развития, напротив, «опустыниваются» [1]. Урбанизация становится фундаментом локализации социально-экономических ресурсов, концентрируя на сравнительно небольших территориях треть населения страны, большую часть промышленных предприятий, сферы услуг, объектов инженерной и социальной инфраструктуры [2, с. 85]. Развитие идет быстрее в тех регионах, где выше концентрация населения, более развита инфраструктура, ниже институциональные барьеры и т.д. [3].

В традиционных расчетах эффектов урбанизации и агломерации присутствуют такие эндогенные факторы, как капитал и рабочая сила. При этом предполагается стабильность региональных рынков труда, что сглаживает возможные эффекты агломерации [4]. Это более характерно для России, чем для европейских стран. Отмечено, что «...Дифференциация регионов страны по количеству рабочих мест и уровню безработицы обостряет проблему структурного регионального дисбаланса, которая может быть сглажена за счет более рационального размещения рабочих мест и перераспределения экономически активного населения по территории РФ» [5, с. 75].

Исследования зависимости между производительностью труда, занятостью и влияющими на них пространственными эффектами достаточно распространены в странах ЕС, но в отечественных трудах встречаются редко [6]. Они показывают, что локализация занятости тесно связана со средней производительностью труда [7, с. 221; 8, с. 258; 9]. Такая локализация на территории России вызывает дифференциацию регионов, возникновение обособленных рынков труда в границах макрорегионов или федеральных округов. В данной работе в дополнение к исследованиям процессов урбанизации в России предложена количественная оценка влияния локализации производства в городах на уровень занятости в регионах России.

Информационная база расчетов.

Объект исследования: 74 региона РФ1. Период наблюдения - 2005-2014 гг.

1 Такие субъекты, как Москва и Московская область, ввиду теснейших экономических связей были объединены в один макрорегион, фактически — это единая агломерация. То же относится к С.-Петербургу и Ленинградской области. Кроме того, исключены из анализа автономные округа и автономные области, ввиду их периферийности и малочисленности, а также Республика Крым, Чечня и Ингушетия из-за отсутствия данных по исследуемому временному ряду. Калининградская область также исключена из анализа по причине ее территориальной и экономической обособленности.

1. Экономические индикаторы:

а) численность занятых (Е); коэффициенты занятости населения (ER, %)2 (источник: [11]).

б) валовая добавленная стоимость (ВРП) в постоянных ценах 2014 г. (источник: [12]).

в) производительность труда (W). Рассчитывается как отношение ВРП регионов в постоянных ценах 2014 г. к численности занятых, (тыс. руб. в год на одного занятого).

2. Пространственные индикаторы:

а) показатели географического расстояния между столицами субъектов РФ (t), определяемого, исходя из длины путей транспортного сообщения (источник: [13]).

б) уровень урбанизации в регионах России (U). Определен как удельный вес городского населения в общей численности населения региона (%).

в) степень агломерации (S). Рассчитана как средний размер города в регионе -численность населения городов региона (тыс. чел.), отнесенная к числу городов (источник данных п. б) и п. в): Центральная база статистических данных Росстата).

Оптимальный состав и число макрорегионов России. Необходимость укрупнения регионов РФ в целях выявления закономерностей размещения экономического потенциала не вызывает сомнений, так как на современном этапе ключевым условием пространственного развития становится доступность инфраструктуры, способность регионов эффективно маневрировать, обмениваться ресурсами.

В работе предлагается внести изменения в Общероссийский классификатор экономических регионов (ОКЭР) и переформатировать сетку экономических районов России. Традиционно исследователи применяют для такой типологизации либо методы группировок многомерного ранжирования, либо методы кластерного анализа. Нами использован алгоритм на основе критерия Манна-Уитни [14, с. 151], который позволяет сохранить качественные особенности географического соседства и оценить значимость типо-логизации. Данная группировка аналогична предлагаемому переходу от федеральных округов к укрупнению регионов, основанному в большей степени на экономическом, а не на административном сходстве [15]. Все межрегиональные связи выявлены на основе статистического анализа пространственной локализации таких показателей, как ВРП и численность занятых (табл. 1). Инструментом анализа выступает глобальный индекс Морана, характеризующий тесноту и направление связей между регионами (обобщенная оценка) и локальные индексы LISA [16].

Качество типологизации подтверждается различиями объемных показателей территорий - ВРП и численности занятых. Явно выделяются географически разреженные регионы с низкой плотностью занятых и ВРП (Дальневосточный и Восточно-Сибирский), а также макрорегионы с высокой концентрацией этих ресурсов.

Уровень занятости в среднем по России в 2014 г. составлял 64%, в то время как в Дальневосточном и Северо-Западном регионах - 66%. Эта незначительная разница между показателями лидеров и национальным означает, что макрорегионы с низкой занятостью (Восточно-Сибирский, Северо-Кавказский) адекватно влияют на национальный рынок труда, а по сути являются периферийными в контексте экономического потенциала. Они же отстают и по производительности труда.

2 Отметим, что использование показателей занятости, а не рабочей силы, обусловлено следующими доводами: а) оценивается взаимосвязь пространственно обусловленных результатов функционирования региональных экономик (а не их потенциала) — производительности труда и ВРП, вклад в которые привносит именно занятое население; б) состав рабочей силы содержит безработных, колеблемость численности которых повышает неопределенность реальных причинно-следственных связей (действительно, численность занятых в логике сбалансированного пространственного развития является не фактором, а резервом для выравнивания положения отстающих регионов); в) занятость наиболее тесно связана с состоянием экономики регионов [10, с. 28].

Таблица 1

ВРП, численность занятых и средняя производительность труда в макрорегионах

России в 2014 г.

Макрорегион Число регионов W, тыс. руб. в год на одного занятого Коэффициент занятости (ER), % Число занятых, тыс. чел. ВРП, млрд. руб.

Восточно-Сибирский 6 898 59 5075 4558

Дальневосточный 8 1156 66 4034 4665

Западно-Сибирский 7 1489 63 9449 14070

Приволжский 13 711 65 15369 10934

Северо-Западный 8 930 66 8755 8143

Северо-Кавказский 8 799 59 10811 8640

Уральский 7 869 64 12120 10531

Центральный 17 1090 65 26052 28405

Россия, 74 региона 74 965 64 92317 90429

Вариация по регионам, % - 58 6 135 202

Вариация по макрорегионам, % - 25 5 72 79

Ситуация в Приволжском макрорегионе более противоречива: в нем самая низкая из всех регионов производительность труда при очень высокой занятости. Причиной этого является совокупность противоположно действующих факторов, среди которых можно выделить следующие: более низкая доля производств с высокой добавленной стоимостью, неэффективная отраслевая структура экономики, высокая доля бюджетных организаций и недостаточная концентрация5 ресурсов при относительно высокой их плотности. Однако практически в классификации макрорегион - это комплекс экономических субъектов, имеющих общее «ядро притяжения» для экономических взаимодействий. Например, при общей разреженности пространства в Западно-Сибирском макрорегионе и население, и производство (по ВРП) сконцентрированы в нескольких крупных центрах, что обеспечивает лучшую производительность труда в России.

При переходе от отдельных субъектов РФ к укрупненным макрорегионам заметно (вдвое, с 58 до 25%) снижается неоднородность показателей производительности труда. Сравнительный анализ в разрезе макрорегионов свидетельствует о том, что производительность труда выше среднего показателя по России только в трех из них: Западно-Сибирском, Дальневосточном и Центральном.

Помимо экономического и трудового потенциала, влияние на эффективность хозяйствования оказывают географический фактор и способ организации межрегиональных связей [17].

Для индекса Морана существует множество вариантов построения матрицы пространственных весов. В настоящей работе применена матрица весов с учетом масштаба регионов - используются расстояние между городами-столицами регионов и ВРП. Глобальный индекс Морана показывает пространственный лаг распределения занятых в зависимости от экономического потенциала территорий и расстояний между их экономическими центрами. Диапазон принимаемых значений как для глобального индекса Морана, так и для локальных индексов LISA, составляет от -1 до 1. Для удобства сравнения далее перейдем к шкале [-100%; +100%].

Отрицательные значения глобального индекса Морана для численности занятых в регионах России, которые приведены ниже, свидетельствуют о том, что в

3 Концентрация нами понимается как скопление взаимодействующих хозяйствующих субъектов в виде кластера, что близко к категории агломерации — скоплению тесно связанных социальных, экономических, инфраструктурных и других систем.

значительной степени выражен процесс «стягивания на себя» рабочей силы крупными центрами, которые не дают расти соседним регионам:

2005 г. 2006 г. 2007 г. 2008 г. 2009 г. 2010 г. 2011 г. 2012 г. 2013 г. 2014 г.

-66,5 -66,9 -66,0 -71,6 -68,6 -69,8 -69,8 -68,5 -69,7 -71,1

Глобальный индекс Морана свидетельствует о сильной концентрации числа занятых в ограниченном перечне регионов России. В динамике такая локализация снижается в периоды экономического роста и повышается в годы нестабильности. В агломерациях больше возможностей для сохранения занятости [18, с. 80]. Экономическое пространство России неоднородно, отсутствуют группы близких по экономическому и трудовому потенциалу территорий. Отрицательные значения индекса Морана отражают «лоскутное» пространственное распределение рынков труда, когда благополучные регионы с большим числом занятых и высокой производительностью труда соседствуют с депрессивными регионами. Важнейшей задачей в такой ситуации становится формирование экономической политики, направленной на усиление тесноты связей между регионами, повышение интенсивности движения трудовых и финансовых ресурсов.

График значений индекса Морана для регионов России приведен на рис. 1.

Рис. 1. График Морана для регионов России по численности занятых в 2014 г.

(Москва и Московская обл., С.-Петербург и Ленинградская область, Татарстан выходят за отображаемый диапазон осей)

На рис.1 прямая линия отражает теоретические значения пространственной автокорреляции, которая имеет хорошее качество - детерминацию на уровне 68%. Точками по квадрантам разнесены регионы России. Графически изображены регионы с локализацией занятых по территории страны с учетом экономического потенциала территорий, взаимодействия с соседними территориями и расстояний:

- левый верхний квадрант диаграммы (ЬЫ) характеризуется группировкой объектов с низким значением показателя в окружении объектов с высоким значением показателя;

- правый верхний (ЫЫ) - объекты с высокими значениями в окружении объектов также с высокими значениями показателя;

- левый нижний (ЬЬ) - объекты с низким значением окружены объектами также с низкими значениями исследуемого показателя;

- правый нижний (HL) - объекты с высоким значением окружены объектами с низким значением показателя.

Регионы России в большинстве своем территориально распределены следующим образом: большинство субъектов с высоким экономическим и трудовым потенциалом окружены регионами с низким потенциалом, т.е. «вытягивают» трудоспособное население из «соседей», что влечет концентрацию экономического потенциала (ВРП) и отставание этих соседствующих регионов. Достаточно мало соседствующих территорий - полюсов экономического и трудового потенциала (НН), но много соседствующих депрессивных регионов (LL), что ухудшает возможности «рестарта» [18] субъектов РФ после глобальных кризисных явлений.

Компоненты индекса Морана внутри каждого макрорегиона, т.е. взаимоотношения между его регионами, детально представлены на рис. 2.

Влияние пространственного фактора на уровень и динамику занятости. Точки локализации экономического потенциала и их влияние на смежные регионы в рамках каждого макрорегиона определяются через локальные индексы Морана, рассчитанные на уровне квартиля 4, т.е. они включают все возможные пространственные взаимодействия внутри макрорегиона.

Локальный индекс Морана (LISA) отражает степень автокорреляции между соседними территориями. LISA-значения для каждого региона показывают степень сходства (при положительном значении) или обособленности (при отрицательном значении) с другими субъектами макрорегиона. Чем больше значение LISA по модулю, тем сильнее подобие (различие) территории с территориями-соседями [19].

Внутри разных макрорегионов степень локализации занятых различна, она максимальна в Центральном макрорегионе и значительна в Северо-Западном (табл. 2).

Таблица 2

Суммарные значения LISA в макрорегионах, %

Макрорегион 2005 г. 2006 г. 2007 г. 2008 г. 2009 г. 2010 г. 2011 г. 2012 г. 2013 г. 2014 г.

Восточно-Сибирский -0,04 -0,04 -0,04 -0,03 -0,04 -0,04 -0,03 -0,03 -0,03 -0,03

Дальневосточный 0,14 0,14 0,15 0,14 0,15 0,15 0,14 0,13 0,12 0,11

Западно-Сибирский 1,09 1,10 1,19 1,23 1,27 1,03 0,99 0,92 0,97 0,92

Приволжский 0,04 0,01 0,09 0,07 0,08 0,12 0,09 0,09 0,05 0,04

Северо-Западный 1,08 1,25 1,30 1,29 1,25 1,05 1,04 1,00 1,01 0,86

Северо-Кавказский -1,49 -1,53 -1,69 -1,65 -1,77 -1,75 -1,66 -1,66 -1,64 -1,49

Уральский -0,44 -0,50 -0,53 -0,61 -0,68 -0,65 -0,62 -0,60 -0,60 -0,58

Центральный -66,84 -69,31 -66,48 -72,00 -68,87 -69,72 -69,72 -68,32 -69,60 -70,88

Россия, 74 региона -66,49 -68,92 -66,03 -71,58 -68,65 -69,84 -69,81 -68,51 -69,75 -71,08

В течение исследуемого периода в Приволжском макрорегионе в посткризисные годы явно выражено выравнивание региональных рынков труда, снижение локализации занятых (2008-2009 гг.), хотя в период экономического роста были достаточно активны агломерационные процессы. В Северо-Кавказском регионе ситуация другая - в нем локализация занятых на отдельных территориях нарастала в годы экономической нестабильности, а в экономически благополучные периоды сохранялась занятость в собственной экономике, нарастали центробежные силы. В Северо-Западном и особенно Центральном макрорегионах колебания между состояниями «локализация» и «концентрация» незначительны на фоне максимальных уровней LISA, т.е. подавляющей роли соответствующих агломераций. В Восточно-Сибирском макрорегионе центростремительные силы превалировали в кризис, когда занятое население концентрировалось в Красноярском крае.

В каждом макрорегионе существуют регионы-полюсы притяжения занятых, это территории с концентрацией экономического потенциала. Почти во всех макрорегионах есть один такой субъект, как правило, отвечающий свойствам агломерации.

Рис. 2 помогает определить, какой субъект РФ выступает полюсом притяжения занятых внутри соответствующего макрорегиона, насколько это тяготение сильно. В случае, если значения LISA у всех регионов, кроме субъекта-ядра, близки, можно говорить о «моноядре» макрорегиона. Если заметны различия в значениях индекса, то макрорегион имеет несколько полюсов притяжения и тем самым более устойчив. Степень лидирования какой-либо территории в макрорегионе отражает агломерационный процесс и «вымывание» ресурсов с соседних территорий. Такая ситуация характерна, например, для Москвы и области (в большей степени это «Новая Москва» [20]), С.-Петербурга (с Ленинградской областью), где LISA на порядок превышает значения остальных регионов. Сходное положение в Приволжском макрорегионе - явно лидирует Татарстан (LISA=0,63%), но ему противостоит Нижегородская область (LISA=0,11%).

Моноцентрами притяжения занятых в макрорегионах являются Красноярский край, Тюменская обл., С.-Петербург и Ленинградская область, Москва и Московская область. Макрорегионы с двумя экономическими полюсами - это Уральский, Приволжский (Татарстан противостоит Нижегородской области), Дальневосточный (Хабаровский край и Магаданская обл.). В Северо-Кавказском макрорегионе у многих регионов близкие по модулю значения LISA, что говорит о слабой центростремительной тенденции занятых.

Естественно предположить, что усиление пространственных связей - достаточно сильный драйвер развития национального рынка труда. Поэтому прогноз параметров локализации позволяет предположить направление изменений в межрегиональных трудовых и экономических потоках. Результат прогнозирования локализации занятых до 2019 г. через экстраполяцию на основе экспоненциального тройного сглаживания с доверительными интервалами методом Хольта-Уинтерса (ETS) [21] показан на рис. 3, где изображены два варианта прогноза: инерционный и композитный. Инерционный прогноз - это экстраполяция значения глобального индекса Морана по 74-м регионам России; композитный прогноз - это экстраполяция трендов локальных индексов Морана для каждого макрорегиона и последующее суммирование прогнозных значений, что соответствует механике «сбора» глобального индекса Морана из локальных LISA.

При сохранении текущей экономической конъюнктуры в ближайшие годы следует ожидать снижения пространственной локализации в России в целом (по графику Морана). Это означает сглаживание различий между регионами в численности занятых, взвешенной по экономическому потенциалу, с приближением большинства регионов к ситуации LL. Малая часть агломераций будет все сильнее обособляться от основной массы регионов, «вытягивая» из них и концентрируя рабочую силу. Вместе с тем на периферии этих агломераций будет усиливаться негативный эффект «экономических пустынь», для смежных регионов будет характерной тенденция снижения трудового и экономического потенциала.

Композитный прогноз по сравнению с инерционным имеет более выраженную тенденцию к усилению отрицательных связей в результате разнонаправленных тенденций между рынками труда макрорегионов. Нарастание дифференциации занятости ожидается в Северо-Кавказском макрорегионе (табл. 3); сохранение роли агломераций с тенденцией к ее повышению - в Приволжском и Центральном.

Выравнивание пропорциональности между региональными рынками труда можно прогнозировать в Восточно-Сибирском, Дальневосточном и ЗападноСибирском и Уральском макрорегионах, но в них огромные географические расстояния, ограничивают мобильность рабочей силы и приводят к ее локализации внутри субъектов РФ.

Восточно-Сибирский

Респ. Хакасия

Забайкальский

Иркутская обл.

Респ. Тыва 4 «,

Красноярский край

Респ. Бурятия

Западно-Сибир ский

Тюменская обл.

Томская обл.

Новосибирская обл.

Алтайский край 1,50

Кемеровская обл.

Респ. Алтай

'Омская обл.

Дальневосточный

Амурская обл.

Уральский

Курганская обл.

Челябинская обл.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Оренбургская обл.

Удмуртская Респ.

Свердловская обл.

Пермский край

Север о-Западный

Северо-Кавказский

Архангельская обл.

Приволжский (В-В) Центральный

Астраханская обл.

Ка бардино-Балка рс кая Респ.

Ростовская обл.

Краснодарский край

Северная Осетия

Карачаево-Черкесская Респ.

Адыгея

Ставропольский край

Белгородская обл. Ярославская обл.г -Г " - - . Брянская обл. Тульская обл.*" \1,Ц)* ■ • » / '^Владимирская обл.

Тверская обл.

Тамбовская обл.

Ивановская обл.

Смоленская обл. ч

Калу же кая обл.

Рязанская обл.

Костромская обл.

Орловская обл.

Москва и

обл. Липецкая обл.

Рис. 2. Картограмма локализации занятых по макрорегионам России в 2014 г.

Рис. 3. Композитный (---) и инерционный (----) прогнозы пространственной

локализации занятых в России, ЕТБ-экстраполяция: - Российская Федерация (74); — верхняя и нижняя границы

Таблица 3

Прогноз локализации занятых на основе LISA на 2016-2019 гг., по макрорегионам, %

Макрорегион 2016 г. 2017 г. 2018 г. 2019 г.

Восточно-Сибирский -0,03 -0,03 -0,02 -0,02

Дальневосточный 0,11 0,11 0,11 0,10

Западно-Сибирский 0,87 0,84 0,81 0,79

Северо-Кавказский 0,07 0,08 0,08 0,08

Уральский 0,79 0,75 0,71 0,67

Северо-Западный -1,50 -1,50 -1,50 -1,50

Приволжский -0,61 -0,63 -0,64 -0,66

Центральный -70,93 -71,26 -71,59 -71,93

Прогнозная локализация занятых в Восточно-Сибирском, Дальневосточном и Северо-Кавказском макрорегионах имеет незначительные изменения, т.е. эти рынки труда в целом слабо дифференцированы. В Западно-Сибирском и Уральском макрорегионах локализация заметна и положительна, т.е. соседние регионы в них сопоставимы по размерам экономического потенциала, и угроза одностороннего перетока занятых слабая, напротив, усиливается межрегиональная кооперация. В Северо-Западном и Приволжском макрорегионах (судя по отрицательным LISA) в перспективе до 2019 г. продолжится центростремительная локализация рабочей силы в одних субъектах за счет других. В масштабах страны ожидается продолжение гиперлокализации в московской агломерации. Этот процесс снижает эффективность пространственного развития из-за чрезмерной концентрации ресурсов.

Причины изменения роли агломераций в развитии рынков труда могут быть различными, но результатом станет изменение продуктивности экономики, эффекта занятости. Как показано выше, процесс локализации экономического и трудового потенциала может влиять на производительность труда в сторону как ее повышения, так и снижения в отдельных макрорегионах. Далее про-анализируем факторы, определяющие пространственные различия производительности труда.

Моделирование взаимозависимости занятости с экономическими и пространственными факторами. На основе модели панельной регрессии выявим региональные особенности влияния занятости (по коэффициенту общей занято-

сти), урбанизации, агломерации и локализации трудового потенциала на производительность труда в РФ. При этом локализация у нас уже является взвешенной, так как используются индексы LISA, в которых географический фактор взвешен по ВРП4.

Такая причинно-следственная связь позволит выявить взаимозависимость производительности труда и занятости, роль пространственного фактора в ее динамике. Это уменьшает погрешности, вызванные разнонаправленной динамикой производительности и занятости в большинстве регионов РФ, так как рабочая сила является величиной, убывающей в абсолютном измерении по большинству регионов РФ (см., например, прогноз численности трудовых ресурсов до 2030 г. [18]). Кроме того, нами предварительно спрогнозирована инерция LISA на 2015-2019 гг., характерная для начала реализации Стратегии пространственного развития РФ, т. е. точка отсчета реализации мер гармонизации территориального развития. Параметр локализации выбран основой для прогноза не случайно. Он управляем в отличие от факторов урбанизации и агломерации, изменения которых значимы в пределах десятилетий, а не отдельных лет. Степень локализации регионального производства регулируется, в частности, посредством развития промышленных кластеров, создания территорий опережающего развития, развитие региональных программ повышения мобильности трудовых ресурсов (приказ Минтруда № 38114 от 21.07.2015).

Для моделирования пространственных факторов производительности труда применена панельная регрессия за 2005-2014 гг. Модель специфицирована как гребневая регрессия с нулевым свободным членом, что позволяет минимизировать мультиколлинеарность. Панельная модель дает возможность выявить фундаментальные факторы, значимо влияющие на производительность труда, так как одновременно включает и пространственные (межрегиональные), и временные эффекты. Производительность труда нами воспринимается как ключевой драйвер долгосрочного роста в условиях внешних ограничений на инвестиции и убывающей численности рабочей силы.

Методологически уравнение панельной регрессии имеет следующий смысл: закономерности изменения производительности труда в регионах и макрорегионах России подвержены влиянию пространственных факторов урбанизации и агломерации, которые изменяются медленно, а также фактору географической локализации занятости и экономического потенциала, который тесно взаимосвязан с двумя предыдущими.

Полученные уравнения регрессии приведены в табл. 4. Детализация модельных эффектов проведена на основе панельных регрессий для каждого макрорегиона в отдельности.

В общем виде для 74-х регионов России мы интерпретируем выявленные взаимодействия по следующим факторам.

1. Урбанизация. Ее уровень медленно изменяется по годам, регрессор понимается как пространственный кросс-эффект. Если в одном регионе России степень урбанизации на 1% выше, чем в другом, это соответствует более высокой (в среднем на 0,33%) производительности труда.

2. Агломерация. Считается пространственным кросс-эффектом. В регионах, где степень агломерации выше, это соответствует повышенной производительности труда (на 0,076% при повышении степени агломерации на 1%).

3. Занятость. Этот фактор является пространственно-динамическим, причем по темпам он более изменчив между регионами, чем дифференциация по уровню коэф-

4 Таким образом, географический фактор корректируется на силы экономической гравитации: расстояние между регионами с высокими значениями ВРП является менее значимой преградой для взаимодействия, чем такое же расстояние между регионами с низким ВРП.

фициента занятости, что приводит к разной реакции рынков труда на изменения экономической конъюнктуры. Поэтому увеличение коэффициента занятости в регионах России на 1% приводит к повышению производительности труда в среднем на 0,42%.

4. Региональная локализация. Регрессор LISA по своему смыслу включает одновременно и пространственный, и динамический эффект. Увеличение степени локализации занятых на 1% приводит к снижению производительности труда в среднем на 0,05%. Таким образом, на национальном уровне уже достигнут предел позитивного влияния локализации на экономическую эффективность. Сложившаяся ситуация характеризуется гиперлокализацией в отдельных макрорегионах, когда положительные эффекты в регионах-полюсах экономического развития нивелированы негативными эффектами регионов экономической периферии.

Таблица 4

Панельная регрессионная модель - зависимость производительности труда от коэффициента занятости и пространственных факторов в макрорегионах

России за 2005-2014 гг.

Макрорегион Фактор Beta (St.err.) Коэффициент регрессии B p-level Параметр Значение

Россия (74 региона) S 0,076 (0,034) 0,667 0,028 Скоррект. R2 0,72

U 0,334 (0,045) 4,134 0,000 F(4,746) 481,32

ER 0,422 (0,045) 5,934 0,000 p-level 0,00

LISA -0,046 (0,019) -0,309 0,015 St. Err. 463,17

Восточно-Сибирский S 0,194 (0,074) 1,781 0,011 Скоррект. R2 0,94

U 0,330 (0,078) 3,531 0,000 F(4,56) 242,18

ER 0,366 (0,078) 4,531 0,000 p-level 0,00

LISA -0,112 (0,036) -114,634 0,003 St. Err. 174,30

Дальневосточный S -0,361 (0,130) -5,313 0,007 Скоррект. R2 0,71

U 0,509 (0,145) 8,719 0,001 F(4,76) 50,45

ER 0,597 (0,142) 12,147 0,000 p-level 0,00

LISA -0,031 (0,079) -49,774 0,700 St. Err. 704,26

Западно-Сибирский S 0,255 (0,055) 0,416 0,000 Скоррект. R2 0,78

U 0,389 (0,090) 7,949 0,000 F(4,103) 97,11

ER 0,383 (0,093) 9,591 0,000 p-level 0,00

LISA 0,140 (0,052) 5,089 0,009 St. Err. 779,99

Приволжский S 0,185 (0,047) 0,945 0,000 Скоррект. R2 0,92

U 0,308 (0,060) 2,660 0,000 F(4,126) 384,43

ER 0,436 (0,057) 4,160 0,000 p-level 0,00

LISA -0,135 (0,024) -15,146 0,000 St. Err. 167,03

Северо-Западный S 0,366 (0,088) 3,653 0,000 Скоррект. R2 0,90

U 0,340 (0,087) 3,564 0,000 F(4,76) 171,62

ER 0,343 (0,086) 4,328 0,000 p-level 0,00

LISA 0,185 (0,057) 15,393 0,002 St. Err. 267,05

Северо-Кавказский S 0,322 (0,066) 2,089 0,000 Скоррект. R2 0,92

U 0,266 (0,074) 3,028 0,001 F(4,76) 238,18

ER 0,343 (0,076) 3,747 0,000 p-level 0,00

LISA -0,173 (0,030) -66,420 0,000 St. Err. 174,49

Уральский S 0,242 (0,071) 1,755 0,001 Скоррект. R2 0,90

U 0,276 (0,087) 3,016 0,002 F(4,76) 185,24

ER 0,410 (0,087) 4,971 0,000 p-level 0,00

LISA 0,025 (0,046) 2,744 0,581 St. Err. 235,37

Центральный S 0,380 (0,042) 3,002 0,000 Скоррект. R2 0,94

U 0,233 (0,047) 2,150 0,000 F(4,166) 612,66

ER 0,313 (0,047) 3,325 0,000 p-level 0,00

LISA -0,109 (0,025) -0,265 0,000 St. Err. 170,56

Выводы. Для реализации долгосрочных планов Правительства РФ по устойчивому развитию территорий целесообразно применение не перечня федеральных округов, а классификации экономических районов, в частности, предложенных макрорегионов.

Проведенные исследования выявили взаимозависимость между региональной занятостью и параметрами локализации, показали, что в России сложились разные

группы регионов-полюсов экономического развития. Ряд регионов (Челябинская, Свердловская, Ростовская, Самарская и Нижегородская области, Башкортостан) выступают центрами экономического развития, позитивно влияя на рынки труда соседних с собой регионов. В то же время другие регионы (Москва и Московская область, Республика Татарстан и в меньшей степени - Краснодарский и Красноярский края) демонстрируют гиперлокализацию по занятости, «вытягивая» рабочую силу из соседних регионов и способствуя истощению их экономического потенциала. При такой ситуации необходим комплекс мер государственной политики, направленных на сдерживание оттока рабочей силы, особенно молодежи из периферийных регионов.

Результаты прогнозных расчетов, выполненных до 2019 г., показали противоречивость тенденций территориальной локализации занятых в РФ. Если в Центральном и Приволжском макрорегионах, где уже сложилась избыточная концентрация экономического и трудового потенциала, идет усиление территориальной локализации занятых, то в Западно-Сибирском, Дальневосточном и Уральском макрорегионах результаты композитного прогноза, напротив, показывают постепенное снижение локализации. Между тем в этих макрорегионах рост локализации занятых оказал бы позитивное влияние на производительность труда, так как «чувствительность» производительности труда к уровню занятости достаточно высока. Оценка регрессионных моделей показывает, что в Дальневосточном регионе прирост занятости на 1% привел бы к увеличению продуктивности на 0,6%.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Анализ выявил, что практически во всех агломерацях в России усиление агломерационных процессов приводит к росту производительности труда. Вместе с тем имеются два региона со специфическими агломерационными эффектами. Первый -это Центральный макрорегион, где агломерация чрезмерна и прирост производительности в нем не окупает издержек «опустынивания» соседних субъектов РФ. Второй - это Дальневосточный макрорегион, где ввиду излишне поляризованного географического положения крупных городов обособленное их укрупнение нежелательно без параллельного усиления хозяйственных и социальных связей.

Выявлены как негативные, так и позитивные результаты гиперлокализации занятости для производительности труда в макрорегионах РФ. Так, гиперлокализация играет отрицательную роль в производительности труда в Восточно-Сибирском, Приволжском и Центральном макрорегионах. В Центральном макрорегионе это влияние сочетается с чрезмерной агломерацией, приводящей к формированию периферийного пояса «экономической пустыни», и центростремительным процессом, выходящим на соседние макрорегионы. В свою очередь тенденции экономически позитивной локализации ресурсов характерны для Западно-Сибирского и Северо-Западного макрорегионов.

Учет влияния пространственных факторов на экономическое развитие страны призван стать важным инструментом экономической политики и стратегического планирования в России.

Литература

1. Козак Д. Выступление на Московском урбанистическом форуме. 1 июля 2016 года. [Электронный ресурс]. Режим доступа: https://ria.ru/economy/20160701/1455771573.html

2. Белкина Т.Д. Города России: основные социально-экономические параметры //Проблемы прогнозирования. 2015. № 6. С. 75-85.

3. Кругман П. Оглядываясь на успехи и провалы стимулирования // Независимая газета. [Электронный ресурс]. Режим доступа: http://www.ng.ru/krugman/2014-03-04/5_stimulation.html

4. Baldwin R., Martin P. Agglomeration and Regional Growth // Handbook of Regional and Urban Economics: Cities and Geography. Elsevier. 2004. № 4 (4).

5. Единак Е.А., Коровкин А.Г. Построение баланса территориального движения занятого населения (на примере федеральных округов РФ) //Проблемы прогнозирования. 2014. № 3. С. 72-85.

6. Коломак Е.А. Оценка влияния урбанизации на экономический рост в России // Регион: Экономика и Социология. 2011. № 4. С. 51-69.

7. Ciccone A. Agglomeration Effects in Europe //European Economic Review. 2002. Vol. 46. Рр. 213-222.

8. Ioannides Y. From Neighborhoods to Nations: The Economics of Social Interactions // Princeton University Press. 2012. 544 р.

9. Ioannides Y., Gabaix X. The Evolution of City Size Distributions. Department of Economics. Tufts University // Handbook of Regional and Urban Economics. Vol. 4. Pp. 2341-2371.

10. Зубаревич Н.В. Регионы России: неравенство, кризис, модернизация. М.: Независимый институт социальной политики, 2010. 160 с.

11. Обследования населения по проблемам занятости. М.: Росстат, 2014. [Электронный ресурс]. Режим доступа: http://www.gks. ru/bgd/regl/b14_30/Main. htm

12. Регионы России: социально-экономические показатели. Стат. сб. М., 2013.

13. Почта России. Магистральные пояса Почты России, нормативные сроки доставки почты, расстояния между регионами. [Электронный ресурс]. Режим доступа: http://www.postcalc.ru/parcel_zones.html

14. Русановский В.А., Марков В.А. Влияние пространственного фактора на региональную дифференциацию безработицы в российской экономике //Проблемы прогнозирования. 2016. № 5. С. 144-157.

15. Гранберг А.Г., Михеева Н.Н., Ершов Ю.С., Кулешов В.В., Селиверстов В.Е., Суслов В.И., Суспицын С.А., Минакир П.А. Воздействие мирового кризиса на стратегию пространственного социально-экономического развития Российской Федерации //Регион: Экономика и Социология. 2009. № 4. С. 35-55.

16. Anselin L. Local Indicators of Sputial Association — LISA // Geographical Analysis. 1995. № 27. P. 93-115.

17. Русановский В.А., Марков В.А. Фактор урбанизации в пространственных моделях экономического роста: оценка и особенности в РФ //Вестник Тамбовского университета. Сер. Гуманитарные науки. 2015. № 7. С. 113-124.

18. Коровкин А.Г. Динамика занятости и рынка труда в РФ в перспективе до 2030 г. //Проблемы прогнозирования. 2013. № 4. С. 79-96.

19. Павлов Ю.В., Королева Е.Н. Пространственные взаимодействия: оценка на основе глобального и локального индексов Морана //Пространственная экономика. 2014. № 3. С. 95-110.

20. Соглашение об изменении границы между субъектами Российской Федерации г. Москвой и Московской областью от 29.11.2011 (утв. Постановлениями Московской городской Думы от 07.12.2011 № 372 и Мособлдумы от 07.12.2011 № 1/177-П).

21. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика, 2003. 416 с.

i Надоели баннеры? Вы всегда можете отключить рекламу.