Публикации
В работе исследуется влияние демографических процессов на уровень инфляции в регионах России. В исследовании проверяется гипотеза о том, что воздействие возрастной структуры населения на инфляционные процессы в регионах России оказывается неодинаковым с точки зрения как прямого, так и косвенного влияния на уровень инфляции. Это может быть объяснено различным поведением возрастных групп в отношении потребления, ожидаемой инфляции, а также другими факторами, определяющими поведение возрастных групп населения, специфику регионов страны и межрегиональные взаимодействия. Для анализа использовалась выборка данных по 81 региону России за период 2010–2018 гг. Зависимой переменной является уровень инфляции. Объясняющие переменные: темпы прироста долей населения трудоспособного возраста, моложе трудоспособного возраста и старше трудоспособного возраста. В качестве контрольных переменных использовались: открытость экономики, темп прироста физического объема инвестиций в основной капитал и сальдо доходов и расходов региональных бюджетов. Панель сбалансирована. В качестве матрицы пространственных весов использовалась матрица расстояний W, построенная по принципу соседства. Для выявления наличия пространственной зависимости по исследуемому показателю уровня инфляции для регионов России использовались глобальные и локальные индексы Морана, Гири, Гетиса и Орда. Полученные результаты позволили сделать вывод о том, что наблюдается положительная глобальная автокорреляция инфляции регионов России и есть необходимость использования для анализа пространственных моделей. В результате тестирования оцененных моделей предпочтительной оказалась пространственная модель Дарбина для всех спецификаций модели. В результате оценивания моделей исследуемая гипотеза получила подтверждение. Темпы прироста доли трудоспособного населения оказывают инфляционное влияние на экономику, темпы прироста доли населения старше трудоспособного – также инфляционное, но в меньшей степени, а темпы прироста населения младше трудоспособного возраста – дефляционное. Полученные выводы могут быть использованы при прогнозировании показателей инфляции в регионах России
Основной задачей данной работы является оценка влияния индивидов, проживающих в соседних территориальных областях, друг на друга в принятии решений на примере выборов Президента России в 2018 г. c использованием данных по 2718 территориальным избирательным комиссиям (ТИКам). Рассчитанные авторами локальные и глобальные показатели пространственной автокорреляции (индексы Морана, Гири, Гетиса – Орда) дают эмпирическое подтверждение глобальной положительной автокорреляции (т. е. в целом по стране избиратели в каждом ТИКе голосуют сходным образом с соседями). Были выявлены ТИКи, входящие в локальные кластеры (где избиратели голосуют аналогично), и ТИКи – выбросы (outlier), т. е. окруженные ТИКами, где голосуют противоположным образом. На примере Татарстана, региона, где встречалось больше всего и ТИКов, образующих локальный кластер, и ТИКов-выбросов, мы проанализировали, какие экономические показатели вкупе с пространственными оказывают влияние на поддержку основного и оппозиционного кандидатов. Было показано, что готовность голосовать за основного кандидата объясняется ростом заработной платы в районе, но в то же время показатели экономической активности в районе и потенциальной мобильности граждан отрицательно влияют на поддержку основного кандидата. На голоса в пользу оппозиционных кандидатов изменение заработной платы не оказывает влияние, а остальные показатели демонстрируют обратную зависимость. Также мы показали, что модели с учетом пространственных эффектов предпочтительнее МНК моделей для анализа итогов голосований
Исследуется влияние степени локализации отраслей и диверсификации экономики регионов на показатели результативности (рентабельности) деятельности предприятий. Для оценки локализации отраслей экономики используется индекс Эллисона – Глейзера. Диверсификация экономики регионов оценивается с помощью индекса Херфиндаля – Хиршмена. Эмпирический анализ основан на базе данных, состоящей из 650 тыс. наблюдений, аппроксимирующих генеральную совокупность российских предприятий в 2017 г. (коммерческие предприятия реального сектора). Для каждой из четырех групп предприятий (микро-, малые, средние и крупные) проведен регрессионный анализ методом наименьших квадратов. Установлено, что увеличение степени локализации значимо и положительно влияет на рентабельность продаж, при этом чем крупнее предприятие, тем сильнее влияние. При увеличении значения индекса Эллисона – Глейзера на 0,1 рентабельность продаж возрастает на 0,7–7,5%. Диверсификация, наоборот, оказывает статистически значимое влияние только на малые и микропредприятия. Увеличение индекса Херфиндаля – Хиршмена на 0,1 увеличивает рентабельность продаж на 1,5–2,6%.