Кластерно-эконометрический анализ российских регионов: выводы для дифференцированной экономической политики
DOI:
https://doi.org/10.17059/ekon.reg.2025-2-3Ключевые слова:
кластерно-эконометрический анализ,, регион, факторные потенциалы, пространственное развитие, структура экономики, диверсификация, экономический ростАннотация
В условиях динамично меняющегося экономического ландшафта важным направлением государственной экономической политики является необходимость дифференцированного подхода к развитию отдельных региональных пространств. Данный аспект в теории и практике макроэкономического регулирования является недостаточно изученным. Настоящее исследование посвящено анализу региональной идентичности, проявляющейся через уникальные конфигурации факторных потенциалов и их влияние на экономический рост. На первом этапе работы был проведен кластерный анализ, в результате которого выделены восемь групп российских регионов, отличающихся по 27 параметрам, характеризующим их экономический, инновационно-технологический и транспортный потенциалы. На втором этапе использованы методы множественной регрессии для оценки влияния этих факторов на валовой региональный продукт на душу населения. Авторами проведено эконометрическое моделирование, позволившее идентифицировать факторы, значимо влияющие на динамику роста российских регионов. Для каждого кластера был проведен экономический анализ с точки зрения сложившейся в нем конфигурации факторных потенциалов и возможных перспектив развития. Показано, что в каждой группе регионов конструируется уникальная конфигурация факторных потенциалов, которые часто недостаточно эффективно используются, а в некоторых случаях имеет место исчерпание ресурсов для роста, что обусловливает необходимость в технологической трансформации. Авторы предлагают реализацию скоординированной политики межрегионального сотрудничества, направленной на перераспределение технологических потенциалов и трансфер технологий, что может повысить эффективность использования производственных факторов. Предложенная методика анализа и полученные результаты могут быть полезны для органов государственной власти при разработке дифференцированных мер экономической политики, способствующих устойчивому экономическому росту, повышению технологического уровня региональной экономики и гармонизации потенциалов территорий на системной основе.
Библиографические ссылки
Akberdina, V. V., & Romanova, O. A. (2021). Regional Industrial Development: Review of Approaches to Regulation and Determining of Priorities. Economy of region, 17 (3), 714–736. https://doi.org/10.17059/ekon.reg.2021-3-1
Balland, P. A., & Boschma, R. (2021). Complementary interregional linkages and Smart Specialisation: an empirical study on European regions. Regional Studies, 55 (6), 1059–1070. https://doi.org/10.1080/00343404.2020.1861240
Blanco, E., Elosegui, P., Izaguirre, A., & Montes-Rojas, G. (2019). Regional and state heterogeneity of monetary shocks in Argentina. The Journal of Economic Asymmetries, 20, e00129. https://doi.org/10.1016/j.jeca.2019.e00129
Demichev, V. V., Maslakova, V. V., & Nestratova, A. A. (2020). Clustering Russian regions by the level of agricultural efficiency. Bukhuchet v sel'skom khozyaystve [Accounting in Agriculture], (12), 58–66. https://doi.org/10.33920/sel-11-2012-06 (In Russ.)
Dzemydaitė, G. (2021). The Impact of Economic Specialization on Regional Economic Development in the European Union: Insights for Formation of Smart Specialization Strategy. Economies, 9 (2), 76. https://doi.org/10.3390/economies9020076
Eferin, Ya. Yu., & Kutsenko, E. S. (2021). Adjusting smart specialization concept for Russian regions. Voprosy gosudarstvennogo i munitsipal'nogo upravleniya [Public Administration Issues], (3), 75–110. (In Russ.)
Ehrlich, M., & Overman, H. G. (2020). Place-Based Policies and Spatial Disparities across European Cities. Journal of Economic Perspectives, 34 (3), 128–149. http://dx.doi.org/10.1257/jep.34.3.128
Gamidullaeva, L. A., & Roslyakova, N. A. (2023). An integrated methodological approach to the structural transformation of the regional economy. Trudy III Granbergovskoi konferentsii: Sbornik dokladov Vserossiiskoi konferentsii s mezhdunarodnym uchastiem, posvyashchennoi pamyati akademika A. G. Granberga, Novosibirsk, 11–13 oktyabrya 2023 goda [Proceedings of III Granberg Conference: Collected papers of National Conference dedicated to the memory of Academician A. G. Granberg] (pp. 106-112). Novosibirsk: Institut ekonomiki i organizatsii promyshlennogo proizvodstva SO RAN. (In Russ.)
Gamidullaeva, L., & Roslyakova, N. (2024). A methodological approach to complex territorial development based on agglomeration effects: “Smart” specialization perspective. Journal of Infrastructure, Policy and Development, 8 (7), 4986. https://doi.org/10.24294/jipd.v8i7.4986
Golova, I. M., & Sukhovey, A. F. (2019). Differentiation of innovative development strategies considering specific characteristics of the Russian regions. Economy of Region, 15 (4), 1294–1308. https://doi.org/10.17059/2019-4-25
Hewings, G. J. D. (2014). Spatially blind trade and fiscal impact policies and their impact on regional economies. The Quarterly Review of Economics and Finance, 54 (4), 590–602. http://dx.doi.org/10.1016/j.qref.2014.04.007
Ketova, K. V., Kasatkina, E. V., & Vavilova, D. D. (2021). Clustering Russian Federation regions according to the level of socio-economic development with the use of machine learning methods. Ekonomicheskiye i sotsial'nyye peremeny: fakty, tendentsii, prognoz [Economic and Social Changes: Facts, Trends, Forecast], 14 (6), 70–85. https://doi.org/10.15838/esc.2021.6.78.4 (In Russ.)
Lavrovskiy, B. L. (2015). The state policy of regional development: questions of the theory. Federalizm [Federalism], (4), 121–130. https://doi.org/10.21686/2073–1051-2015-4-121-130 (In Russ.)
Lokosov, V. V., Ryumina, E. V., & Ulyanov, V. V. (2019). Clustering of regions by indicators of quality of life and quality of population. Narodonaseleniye [Population], 22 (4), 4–17. https://doi.org/10.19181/1561–7785-2019–00035 (In Russ.)
Marchenko, E. M., & Belova, T. D. (2016). Clustering of regions taking into account the energy efficiency. Regional'naya ekonomika: teoriya i praktika [Regional Economics: Theory and Practice], (1(424)), 51–60. (In Russ.)
Orlova, I. V., & Filonova, E. S. (2015). Cluster analysis of the regions of the central federal district socio-economic and demographic indicators. Statistika i ekonomika [Statistics and Economics], (5), 111–115. (In Russ.)
Pankova, Yu. V. (2022). The problems of the differentiated impact of macro-regulatory measures on the socio-economic space. In A. O. Baranov, A. A. Shirov (Eds.), Ekonomicheskaya politika Rossii v mezhotraslevom i prostranstvennom izmerenii: Materialy IV Vserossiyskoy nauchno-prakticheskoy konferentsii IEOPP SO RAN i INP RAN po mezhotraslevomu i regional’nomu analizu i prognozirovaniyu, Belokurikha, 24–25 marta 2022 goda. Tom 4. [Russia’s economic policy in the intersectoral and spatial dimension: Proceedings of the IV All-Russian Scientific and Practical Conference of INP SB RAS on intersectoral and regional analysis and forecasting, Belokurikha, March 24-25, 2022. Vol. 4] (pp. 163–166). Novosibirsk: Institute of Economics and Industrial Engineering, Siberian Branch of the Russian Academy of Sciences. https://doi.org/10.36264/978-5-89665-367-7-2022-005/33-180 (In Russ.)
Petrykina, I. N. (2013). Cluster analysis of regions of the Central Federal District in terms of human capital development. Vestnik Voronezhskogo gosudarstvennogo universiteta. Ekonomika i upravleniye [Eurasian Journal of Economics and Management], (1), 72–80. (In Russ.)
Piskun, E. I., & Khokhlov, V. V. (2019). Economic development of the Russian Federation’s regions: factor-cluster analysis. Ekonomika regiona [Economy of region], 15 (2), 363–376. https://doi.org/10.17059/2019-2-5 (In Russ.)
Regal, A., Gonzalez-Feliu, J., & Rodriguez, M. (2023). A spatio-functional logistics profile clustering analysis method for metropolitan areas. Transportation Research Part E: Logistics and Transportation Review, 179, 103312. https://doi.org/10.1016/j.tre.2023.103312
Rhoden, I., Weller, D., Voit, A-K. (2022). Spatio-Temporal Dynamics of European Innovation — An Exploratory Approach via Multivariate Functional Data Cluster Analysis. Journal of Open Innovation: Technology, Market, and Complexity, 8 (1), 6, https://doi.org/10.3390/joitmc8010006
Serkov, L. A., Petrov, M. B., & Kozhov, K. B. (2021). Сluster-based econometric analysis to study the heterogeneity of Russian regions. Journal of New Economy, 22 (4), 78–96. https://doi.org/10.29141/2658–5081-2021-22-4-5 (In Russ.)
Soboleva, T. S. (2009). The analysis of disproportions of is innovative-investment development of regions of Russia. Upravleniye obshchestvennymi i ekonomicheskimi sistemami [Management in social and economic systems], (1), 56–66. (In Russ.)
Uitermark, J., Hochstenbach, C., & Groot, J. (2023). Neoliberalization and urban redevelopment: the impact of public policy on multiple dimensions of spatial inequality. Urban Geography, 45 (4), 541–564. https://doi.org/10.1080/02723638.2023.2203583
World Bank. (2009). World Development Report. Reshaping economic geography. 383. https://hdl.handle.net/10986/5991 (Date of access: 17.09.2024).
World Bank. (2018). Re-mapping Opportunity. Making best use of the economic potential of Russia’s regions. World Bank Group.
Yang, J., Yang, C., & Hu, X. (2021). Economic policy uncertainty dispersion and excess returns: Evidence from China. Finance Research Letters, 40, 101714. https://doi.org/10.1016/j.frl.2020.101714
Zhu, S., & Yu, G. (2022). The impact of economic policy uncertainty on industrial output: The regulatory role of technological progress. Sustainability, 14 (16), 10428. https://doi.org/10.3390/su141610428
Загрузки
Дополнительные файлы
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Гамидуллаева Лейла Айваровна , Рослякова Наталья Андреевна
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
