2072-64142411-1406

10.17059/ekon.reg.2025-1-9

The Relationship between the Dynamics of Total Factor Productivity and the Age Structure in Russian Regions

Связь динамики общей факторной производительности с возрастной структурой населения регионов России

https://orcid.org/0000-0002-3350-6433

Belyakov

Anton O.

Беляков

Антон Олегович

beliakov.ao@misis.ru

https://orcid.org/0000-0001-6478-8034

Kurbatskii

Aleksei N.

Курбацкий

Алексей Николаевич

akurbatskiy@gmail.com

https://orcid.org/0009-0004-4852-8629

Priimak

Irina I.

Приймак

Ирина Игоревна

priymak-irina032000@mail.ru

Bank of RussiaЦентральный банк Российской Федерации

Lomonosov Moscow State UniversityМГУ им. М. В. Ломоносова

National University of Science and Technology MISISНациональный исследовательский технологический университет "МИСиС"

211116135

2025

Anton O. Belyakov, Aleksei N. Kurbatskii, Irina I. Priimak

CC BY 4.0

2025

Антон Олегович Беляков, Алексей Николаевич Курбацкий, Ирина Игоревна Приймак

CC BY 4.0

https://www.economyofregions.org/ojs/index.php/er/article/view/845

https://www.economyofregions.org/ojs/index.php/er/article/download/845/406

In modern society, population aging has become one of the most pressing demographic challenges. Increasing life expectancy and low fertility rates are reshaping age pyramids across many countries. This article examines how factors describing the age structure of the population influence the growth rate of total factor productivity (TFP). The study tests the hypothesis that population aging has a positive relationship with TFP growth. To calculate TFP growth, the study employs an approach based on the dual method of estimating the Solow residual, which accounts for potential distortions in the regional distribution of capital in Russia. Due to data availability, the analysis considers statistical data for Russian regions up to 2021. The calculated Solow residuals vary significantly across regions. For example, in Moscow, the Solow residual is 0.06 % (just 2.5 % of GRP growth), whereas Russia’s average annual GRP growth rate is 0.75 % (17.6 % of the average annual growth rate of real GRP per capita). The study examines several indicators of age structure, including the dependency ratio, median age, mean age, and the ratio of mean to median age. Moran’s index calculations confirm the expected significance of spatial correlation. Spatial econometric models, specifically the spatial lag model (SLM), reveal that age structure factors significantly influence TFP growth. The results show that both median and mean age positively impact TFP growth. The estimated effects of changes in age structure on TFP can be used to forecast regional economic development while considering demographic trends.

В современном обществе старение населения становится одной из наиболее значимых демографических проблем. Большая продолжительность жизни и низкая рождаемость приводят к изменению возрастных пирамид во многих странах мира. Цель данной работы — исследовать влияние факторов, описывающих возрастную структуру населения, на темпы прироста общей факторной производительности. Предполагается проверка следующей гипотезы: подтверждение наличия положительной связи между темпами прироста общей факторной производительности (ОФП) и старением населения. Для расчета темпов прироста ОФП предложен метод, основанный на двойственном методе расчета остатка Солоу, который позволил учесть возможные искажения в распределении капитала по регионам России. Ввиду доступности данных по ВРП рассматриваются статистические данные по регионам России по 2021 г. Полученные остатки Солоу сильно разнятся по регионам. Например, для Москвы этот показатель равен 0,06 % (всего 2,5 % роста ВРП), в то время как для России среднегодовой темп прироста ОФП составляет 0,75 % (17,6 % среднегодового темпа прироста реального ВРП на душу населения). В качестве характеристик возрастной структуры рассматривались коэффициент демографической нагрузки, медианный возраст, средний возраст, коэффициент отношения среднего возраста к медианному возрасту. На основе расчетов индексов Морана ожидаемо подтвердилась значимость пространственной корреляции. Рассмотренные пространственно-эконометрические модели (модель с пространственным лагом (SLM)) показали значимое влияние возрастной структуры на темпы прироста общей факторной производительности, в частности, обнаружено, что регрессоры медианный возраст и средний возраст положительно влияют на темпы прироста общей факторной производительности. Оцененное влияние на общую факторную производительность изменений в возрастной структуре может быть применено для предсказания экономического развития регионов с учетом демографических прогнозов.

Solow residual methoddual measure of the Solow residualtotal factor productivityage structure of the populationspatial correlationmodels of spatial econometricsregions of Russia

метод остатка Солоудвойственный метод остатка Солоуобщая факторная производительностьвозрастная структура населенияпространственная корреляциямодели пространственной эконометрикирегионы России

The study was supported under project 23-SH05-16 of Moscow State University’s Interdisciplinary Scientific and Educational Schools.

статья поддержана проектом 23-Ш05-16 в рамках Междисциплинарных научно-образовательных школ Московского университета.

Артамонов, Н. В., Курбацкий, А. Н., Халимов, Т. М. (2021). Взаимосвязь экономического развития и возрастной структуры населения регионов Российской Федерации. Terra Economicus, 19 (2), 77–90. https://doi.org/10.18522/2073–6606-2021-19-2-77-90

Ahmad, M., & Khan, R. E. A. (2018). Age-structure, human capital and economic growth in developing economies: A disaggregated analysis. Pakistan Journal of Commerce and Social Sciences (PJCSS), 12 (1), 229–252.

Беляков, А. О., Курбацкий, А. Н., Приймак, И. И. (2023). Связь динамики общей факторной производительности в регионах России с их возрастной структурой. V Российский экономический конгресс «РЭК-2023». Тематическая конференция «Прикладная эконометрика» (сборник тезисов докладов), 4, (с. 72–74). Москва.

Aiyar, M. S., & Mody, M. A. (2013). The demographic dividend: Evidence from the Indian States. India Policy Forum, National Council of Applied Economic Research, 9 (1), 105–148. https://doi.org/10.5089/9781455217885.001

Демидова, О. А., Иванов, Д. С. (2016). Модели экономического роста с неоднородными пространственными эффектами (на примере российских регионов). Экономический журнал Высшей школы экономики, 20 (1), 52–75.

Artamonov, N. V., Kurbatskii, A. N., & Khalimov, T. M. (2021). Relationship between economic development and population age structure in the Russian regions. Terra Economicus, 19 (2), 77–90. https://doi.org/10.18522/2073–6606-2021-19-2-77-90 (In Russ.)

Демидова, О. А., Камалова, Э. (2021). Пространственно-эконометрическое моделирование экономического роста российских регионов: имеют ли значение институты? Экономическая политика, 16 (2), 34–59.

Barro, R., & Sala-i-Martin, X. (2004). Economic growth (2nd ed.). MIT Press.

Кадочникова, Е. И. (2020). Конвергенция экономического роста и цифровизация домохозяйств: пространственный анализ взаимосвязи на региональных панельных данных. Актуальные проблемы экономики и права, 14 (3), 487–507. https://doi.org/10.21202/1993-047X.14.2020.3.487-507

Belyakov, A. O., Kurbatskiy, A. N., & Priymak, I. I. (2023). The relationship between the dynamics of overall factor productivity in Russian regions and their age structure. V Rossiyskiy ekonomicheskiy kongress REK-2023. Tematicheskaya konferentsiya Prikladnaya ekonometrika (sbornik tezisov dokladov) [V Russian Economic Congress “REC-2023”. Thematic conference “Applied Econometrics” (collection of abstracts)], 4, (pp. 72–74). Moscow. (In Russ.)

Казбекова, З. Г. (2018). Влияние демографического дивиденда на экономический рост. Население и экономика, 2 (4), 85–135. https://doi.org/10.3897/popecon.2.e36061

Bloom, D. E., & Williamson, J. G. (1998). Demographic transitions and economic miracles in emerging Asia. The World Bank Economic Review, 12 (3), 419–455. https://doi.org/10.1093/wber/12.3.419

Калабихина, И. Е., Казбекова, З. Г. (2022). Влияние первого демографического дивиденда на экономический рост с учетом человеческого капитала. Журнал Новой Экономической Ассоциации, (3), 81–100. https://doi.org/10.31737/2221–2264-2022-55-3-5

Bloom, D. E., Sachs, J. D., Collier, P., & Udry, C. (1998). Geography, demography, and economic growth in Africa. Brookings papers on economic activity, 1998 (2), 207–295. https://doi.org/10.2307/2534695

Коршунов, В. А., Райнхардт, Р. О. (2017). Оценка остатка Солоу для реального и потенциального ВВП: практический расчет для стран-членов ОЭСР. Вестник Института экономики Российской академии наук, (3), 137–149.

Burda, M. C., & Severgnini, B. (2014). Solow residuals without capital stocks. Journal of Development Economics, 109, 154–171. https://doi.org/10.1016/j.jdeveco.2014.03.007

Широв, А. А. (ред.) (2022). Потенциальные возможности роста российской экономики: анализ и прогноз. Научный доклад ИНП РАН. Москва: ИНП РАН, 296. https://doi.org/10.47711/sr2-2022

Choudhry, M. T., & Elhorst, J. P. (2010). Demographic transition and economic growth in China, India and Pakistan. Economic Systems, 34 (3), 218–236. https://doi.org/10.1016/j.ecosys.2010.02.001

Demidova, O. A., & Ivanov, D. S. (2016). Models of Economic Growth with Heterogenous Spatial Effects: The Case of Russian Regions. Ekonomicheskii zhurnal Vysshei shkoly ekonomiki [HSE Economic Journal], 20 (1), 52–75. (In Russ.)

Demidova, O. A., & Kamalova, E. (2021). Spatial Econometric Modeling of Economic Growth in Russian Regions: Do Institutions Matter? Ekonomicheskaya politika [Economic Policy], 16 (2), 34–59. (In Russ.)

Barro, R., & Sala-i-Martin, X. (2004). Economic growth (2nd ed.). MIT Press.

Elhorst, J. P. (2014). Spatial econometrics: from cross-sectional data to spatial panels. Springer. https://doi.org/10.1007/978-3-642-40340-8_1

Bloom, D. E., & Williamson, J. G. (1998). Demographic transitions and economic miracles in emerging Asia. The World Bank Economic Review, 12 (3), 419–455. https://doi.org/10.1093/wber/12.3.419

Hsieh, C. T. (2002). What explains the industrial revolution in East Asia? Evidence from the factor markets. American Economic Review, 92 (3), 502–526. https://doi.org/10.1257/00028280260136372

Iqbal, K., Yasmin, N., & Yaseen, M. R. (2015). Impact of demographic transition on economic growth of Pakistan. Journal of Finance and Economics, 3 (2), 44–50. https://doi.org/10.12691/jfe-3-2-3

Burda, M. C., & Severgnini, B. (2014). Solow residuals without capital stocks. Journal of Development Economics, 109, 154–171. https://doi.org/10.1016/j.jdeveco.2014.03.007

Kadochnikova, E. I. (2020). Convergence of economic growth and digitalization of households: spatial analysis of interrelation with regional panel data. Aktual’nye problemy ekonomiki i prava [Actual Problems of Economics and Law], 14 (3), 487–507. https://doi.org/10.21202/1993-047X.14.2020.3.487-507 (In Russ.)

Choudhry, M. T., & Elhorst, J. P. (2010). Demographic transition and economic growth in China, India and Pakistan. Economic Systems, 34 (3), 218–236. https://doi.org/10.1016/j.ecosys.2010.02.001

Kalabikhina, I. E., & Kazbekova, Z. G. (2022). The impact of the fi rst demographic dividend on economic growth considering human capital. Zhurnal Novoi Ekonomicheskoi Assotsiatsii [Journal of the New Economic Association], (3), 81–100. https://doi.org/10.31737/2221–2264-2022-55-3-5 (In Russ.)

Elhorst, J. P. (2014). Spatial econometrics: from cross-sectional data to spatial panels. Springer. https://doi.org/10.1007/978-3-642-40340-8_1

Kazbekova, Z. G. (2018). Impact of the demographic dividend on economic growth. Naselenie i ekonomika [Population and Economics], 2 (4), 85–135. https://doi.org/10.3897/popecon.2.e36061 (In Russ.)

Hsieh, C. T. (2002). What explains the industrial revolution in East Asia? Evidence from the factor markets. American Economic Review, 92 (3), 502–526. https://doi.org/10.1257/00028280260136372

Korshunov, V. A., & Raynkhardt, R. O. (2017). Assessment of the Solow residuals for real and potential GDP: Practical calculation for member countries of OECD. Vestnik Instituta ekonomiki Rossiiskoi akademii nauk [The Bulletin of the Institute of Economics of the Russian Academy of Sciences], (3), 137–149. (In Russ.)

Iqbal, K., Yasmin, N., & Yaseen, M. R. (2015). Impact of demographic transition on economic growth of Pakistan. Journal of Finance and Economics, 3 (2), 44–50. https://doi.org/10.12691/jfe-3-2-3

Millo, G. (2015). Testing for serial correlation in spatial panels. Mimeo.

Millo, G., & Piras, G. (2012). splm: Spatial panel data models in R. Journal of statistical software, 47 (1), 1–38. https://doi.org/10.18637/JSS.V047.I01

Moran, P. A. P. (1950). Notes on continuous stochastic phenomena. Biometrika, 37 (1-2), 17–23. https://doi.org/10.1093/BIOMET/37.1-2.17

Pace, R. K., & LeSage, J. P. (2008). A spatial Hausman test. Economics Letters, 101 (3), 282–284. https://doi.org/10.1016/j.econlet.2008.09.003

Pesaran, M. H. (2007). A simple panel unit root test in the presence of cross-section dependence. Journal of applied econometrics, 22 (2), 265–312. https://doi.org/10.1002/jae.951

Piras, G. (2014). Impact estimates for static spatial panel data models in R. Letters in Spatial and Resource Sciences, 7, 213–223. https://doi.org/10.1007/s12076-013-0113-8

Shirov, A. A. (Ed.) (2022). Potentsial’nye vozmozhnosti rosta rossiiskoi ekonomiki: analiz i prognoz. Nauchnyi doklad INP RAN [Potential for growth of the Russian economy: analysis and forecast. Scientific report — Institute of Economic Forecasting RAS]. Moscow: IEF RAS. https://doi.org/10.47711/sr2-2022 (In Russ.)

Solow, R. M. (1957). Technical Change and the Aggregate Production Function. The Review of Economics and Statistics, 39 (3), 312–320. https://doi.org/10.2307/1926047

Young, A. (1995). The tyranny of numbers: confronting the statistical realities of the East Asian growth experience. The quarterly journal of economics, 110 (3), 641–680. https://doi.org/10.2307/2946695