От теории к практике: как исследования могут улучшить экономику регионов
Автор: Фёдор Артюшенко, исследователь Проектно-учебной лаборатории экономической журналистики НИУ ВШЭ
Неравенство в распределении средств бюджета
Приглашённые эксперты сессии «Российские регионы в условиях внешних шоков» считают, что ключевыми проблемами для российских регионов сегодня являются неравномерное распределение средств бюджета, шоки денежно-кредитной политики, несвоевременный расчёт ключевых показателей экономики региона и санкционное давление. Однако и для таких проблем можно предложить решение или анализ ситуации, который поможет лучше понимать и регулировать экономическую политику субъекта.
Доцент кафедры анализа систем и принятия решений УрФУ Анастасия Судакова предложила пересмотреть действующий механизм распределения социальных расходов и сделать меры финансовой поддержки регионов более адресными. По словам эксперта, сейчас, направляя дотации, правительство не учитывает особенности развития регионов.
Дотации – межбюджетные трансферты, предоставляемые на безвозмездной и безвозвратной основе без установления направлений их использования. Дотации получают регионы, где собственные доходы покрывают расходы недостаточно, что часто связано с дефицитом бюджета и долгами. В России 65 дотационных регионов, включая Чукотский автономный округ, Республики Алтай, Башкортостан и другие, а также 24 региона-донора, среди которых — Москва и Московская область, Санкт-Петербург и крупные промышленные центры.
Эксперт провела исследование, в котором попыталась выяснить, есть ли зависимость общих и удельных расходов от численности населения в регионах. Для этого Анастасия Судакова использовала инструмент кусочно-линейной регрессии (метод моделирования, при котором данные разбиваются на интервалы, и для каждого участка строится своя прямая линия — Ред.). Задачей эксперта было выявить такие значения, при которых увеличение численности населения уже не вело бы к росту бюджетных расходов.
Анастасия Судакова анализировала данные Федеральных казначейств об исполнении консолидированных бюджетов 88 регионов с 2021 по 2024 г. в области образования (дошкольном, общем и среднем специальном), здравоохранения и социальной политики, которые могут быть недофинансированы.
В результате исследования гипотеза эксперта подтвердилась отчасти: удельные расходы слабо коррелируют с численностью населения. Однако динамика общих расходов, без расчёта на человека, тесно связана с количеством населения в регионе: в зависимости от численности населения увеличиваются расходы на здравоохранение, образование и социальную политику. Это ведёт к тому, что крупные регионы могут позволить себе относительную экономию на масштабе, тогда как малонаселённые — рискуют недополучать средства. В бюджетной политике регионов эксперт отмечает проблемы:
- высокой зависимости от федерального правительства в распределении доходной и расходной части средств,
- низкой доли доходов большинства регионов относительно общего объёма ресурсов.
Поэтому, делает вывод Анастасия Судакова, необходимо пересмотреть действующий механизм распределения социальных расходов.
Денежно-кредитная политика и её влияние на регионы с доходным неравенством
Младший научный сотрудник Центра изучения проблем центральных банков ИПЭИ РАНХиГС Ирина Яковлева решила проверить, действительно ли в регионах с более высоким неравенством в доходах изменения в ДКП сильнее отражаются на благосостоянии населения. Главный вывод исследовательницы из анализа: в регионах с наиболее высоким доходным неравенством реальные доходы граждан при жёсткой денежно-кредитной политике снижаются сильнее.
Эксперт связывает это с разной структурой доходов домохозяйств и их различным уровнем потребления. Это влияние может иметь накопительный эффект и проявиться не сразу, однако показывает ощутимую связь с мерами ДКП.
Для этого исследователь использовала данные по 80 регионам Российской Федерации за период со II квартала 2015 г. (с перехода на таргетирование инфляции и плавающий курс рубля — Ред.) по IV квартал 2024 г. В VAR-модель (статистическая модель для проверки взаимосвязи между переменными — Ред.) автор включила несколько возможных индикаторов монетарного шока: индекс базовых отраслей (экономический показатель, характеризующий изменение физического объема выпуска продукции и услуг в ключевых секторах экономики за определенный период времени – Ред.), ИПЦ (индекс потребительских цен, ключевой показатель инфляции, измеряющий изменение стоимости фиксированной корзины товаров и услуг за определенный период — Ред.), ставка MIACR (англ. Moscow Interbank Actual Credit Rate, ставка на межбанковском рынке, по которой банки выдают друг другу краткосрочные кредиты – Ред.), показатель безработицы как эндогенные (внутренние зависимые переменные — Ред.) переменные, а также индекс цен на нефть и индекс финансового стресса (индекс, отражающий по ключевым финансовым показателям близость страны к кризису — Ред.) как экзогенные (внешние независимые — Ред.) переменные. В совокупности именно изменения этих показателей, а не ключевой ставки, идентифицируются в модели эксперта как монетарный шок, поскольку ключевая ставка — эндогенна. Для измерения неравенства в доходах жителей регионов Ирина Яковлева предложила использовать в модели индекс Джини или данные Выборочного обследования бюджетов домашних хозяйств от Росстата.
В качестве оценки влияния ДКП на регионы с высоким неравенством доходов автор использовала Системный GMM (англ. System Generalized Method of Moments, метод проверки влияния факторов на промежутке времени — Ред.).
Оценка санкционного давления на регионы
Развитие регионов зависит в немалой степени от внешних ограничений международной торговли. Аспирант факультета экономических наук НИУ ВШЭ Алина Уразбаева в своей работе задалась целью исследовать, какой вид деятельности регионов имеет наибольшее санкционное давление. По результатам исследования выяснилось, что наиболее значимые маркеры санкционного давления на российские регионы — развитая структура обрабатывающей промышленности при сильном вкладе регионов в ВПК и участие в международной торговле.
Зачастую санкции вводят по отношению к финансовым организациям, транспортным и обрабатывающим компаниям, поскольку они связаны с ВПК, считает Алина Уразбаева. Для кластеризации она использовала данные по производству 85 регионов 2021 года, количество международных санкций 2022-2023 годов и метод k-средних (метод автоматической группировки данных на заданное количество групп — Ред.) и сгруппировала регионы в несколько кластеров в зависимости от санкционного риска:
* наиболее уязвимы 14 регионов, где наиболее крупная доля обрабатывающей промышленности в ВРП (валовом региональном продукте — Ред.). В среднем, посчитала эксперт, в таких регионах под санкциями находится 129 предприятий;
* в средней зоне риска —64 региона с наиболее высоким индексом вовлечённости в международную торговлю. На такие регионы в среднем приходится 28 санкций для предприятий;
* наиболее защищённые от санкций — 7 регионов с диверсифицированной торговлей, то есть низким индексом Херфиндаля-Хиршмана (показатель рыночной концентрации, рассчитываемый как сумма квадратов долей рынка (%) всех фирм — Ред.). В среднем в таких регионах под ограничениями находится 4 предприятия. При этом эксперт заметила, что диверсификация торговли не всегда защищает от санкционного давления.
Результаты исследования позволят регионам действовать на упреждение и снижать риск санкций, убеждена эксперт.
Оперативные показатели как ключ к успеху региона
Однако не всегда данные об экономическом состоянии региона можно получить вовремя. Аспирант факультета экономических наук НИУ ВШЭ Илья Гуленков предложил методику расчёта: вместо классического ВРП (валового регионального продукта — Ред.) использовать расчёт прокси-ВРП. По его мнению, публикация расчётов классического показателя ВРП публикуется с задержкой в 13 месяцев, что не даёт своевременно проанализировать состояние регионального развития, что вызывает необходимость более оперативной оценки экономики регионов.
Новый показатель, считает Илья Гуленков, предполагает оценку региональной экономической активности на основе специфики регионов и макроэкономической статистики, в том числе на неколичественных данных публичных опросов физических и юридических лиц. Для количественных показателей эксперт использовал данные по основным секторам региональной экономики: промышленности, строительству, торговле, услугам, сельскому хозяйству, перевозкам, инвестициям, доходам и зарплатам. Автор предложил оценивать прокси-ВРП от месяца к месяцу, что позволит опередить нынешний показатель ВРП. Илья Гуленков использовал в его моделировании фильтр Калмана (математический алгоритм, который объединяет предсказания модели и реальные измерения, чтобы получить максимально точную оценку состояния системы в условиях шума и неопределенности — Ред.). Фильтр помогает выделить общую динамику экономики региона, а частные колебания отдельных показателей остаются на втором плане. После сбора информации получается новый показатель: прокси-ВРП.
Сравнить полученный показатель с ВРП напрямую не получится, потому что оперативные данные по региональным ВРП не публикуются, признаётся Илья Гуленков. Однако эффективность показателя – в его высокой прогностической силе: по оценке MASE (англ. mean absolute scaled error, средней абсолютной масштабированной ошибки, которая показывает, во сколько раз модель лучше (или хуже) самого простого («наивного») метода — Ред.) показатель составил 0,69, что считается удовлетворительным качеством оценки прокси-ВРП. Также полученные значения прокси-ВРП показывают высокую корреляцию с индексом базовых отраслей (показатель, характеризующий изменение физического объема производства (сельское хозяйство, строительство, транспорт, торговля и др.) за определенный период по сравнению с предыдущим — Ред.). В зависимости от периода она менялась от 0,8 до 0,9, что также считается высоким показателем.
«Такие модели могут применяться даже с учетом коротких рядов (показателей с малым количеством наблюдений — Ред.) и с учетом особенностей региональной статистики», — заключил эксперт.