Моделирование гетерогенности взаимовлияния регионов страны в сфере обрабатывающей промышленности
DOI:
https://doi.org/10.17059/ekon.reg.2021-3-16Ключевые слова:
Свердловская область, обрабатывающая промышленность, межрегиональные связи, пространственная автокорреляция, индекс Морана, весовая матрица, пространственное распределение, квантильная регрессияАннотация
Важным аспектом эффективного экономического развития регионов является анализ факторов, влияющих на межрегиональные взаимодействия. В связи с этим приобретает актуальность разработка инструментария оценки этого влияния. В статье предложены методологический подход и оригинальный инструментарий для исследования факторов, влияющих на возможные межрегиональные взаимодействия Свердловской области с остальными субъектами Российской Федерации в сфере обрабатывающей промышленности. Основной гипотезой исследования является предположение, что элементы матрицы межрегиональных взаимовлияний являются прокси-переменными, характеризующими степень этого взаимовлияния. Обоснованность данной гипотезы подтверждена соответствующим экономическим анализом наличия взаимосвязей и производственных цепочек между Свердловской областью и регионами РФ. На первом этапе исследуется пространственное распределение объема выпуска в секторе обрабатывающей промышленности Свердловской области и остальных регионов РФ с целью определения значений показателя силы взаимовлияния отдельных территорий в сфере обрабатывающей промышленности. На втором этапе с помощью квантильной регрессии изучено влияние экономических, инфраструктурных и институциональных факторов на показатель, полученный на первом этапе, характеризующий степень возможного взаимодействия Свердловской области и остальных регионов РФ в сфере обрабатывающей промышленности. В статье доказывается правомерность применения инструментария квантильной регрессии, так как классическая регрессия МНК дает некорректные оценки зависимостей между исследуемыми переменными. Это выражается в том, что коэффициенты регрессии зависят от уровня q-квантиля зависимой переменной. Выявлено, что уровень цен в регионах не оказывает влияния на их возможное взаимодействие со Свердловской областью. Также следует отметить, что распространение знаний является драйвером взаимодействия регионов в сфере обрабатывающей промышленности. Результаты работы могут быть использованы при подготовке стратегий, программ и схем размещения и развития отраслей с учетом потенциала развития Свердловской области с остальными субъектами РФ.Библиографические ссылки
Balash, V. A. & Phaizliev, A. R. (2008). The spatial correlation in statistical researches. Vestnik Saratovskogo gosudarstvennogo sotsialno-ekonomicheskogo universiteta [Vestnik of Saratov State Socio-Economic University], 4(23), 122–125. (In Russ).
Burtseva, S. A. (2005). Globalizatsiya: geostatisticheskiy podkhod [Globalization: a geostatistical approach]. Moscow: Finance and Statistics, 448. (In Russ).
Demyanov, V. V. & Savelyeva, E. A. (2010). Geostatistika: teoriya i praktika [Geostatistics: theory and practice]. Moscow: Science, 327. (In Russ).
Mitrofanov, A. Yu. (2002). Kontsentratsiya v ekonomike i ekonomicheskoy geografii: uchebnoe posobie [Concentration in economics and economic geography: a textbook]. Saratov: Saratov University Press, 76. (In Russ).
Alonso, W. (1964). Location and Land Use. Harvard University Press: Cambridge, MA, 206.
Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Publishers, Dordrecht, 304.
Minakir, P. A. (2015). Spatial Interdisciplinary Synthesis: Experience of Policy Studies. Regional Research of Russia, 5, 299–309.
Petrov, M. B. & Kurushina, E. V. (2018). Methodology of managing the spatial development based on the interregional. Zhurnal ekonomicheskoy teorii [Russian journal of Economic Theory], 15(4), 592–606. DOI: 10.31063/2073–6517/2018.15–4.5. (In Russ).
Tatarkin, A. I. (2012). Development of the economic space of Russia’s regions on the basis of cluster principles. Ekonomicheskie i sotsialnye peremeny. Fakty, tendentsii, prognoz [Economic and Social Changes: Facts, Trends, Forecast], 3(21), 28–36. (In Russ).
Lavrikova, Yu. G., Andreeva, E. L. & Ratner, A. V. (2020). The Impact of Foreign Economic Activity on Regional Development: Comparative Analysis of Russian and Foreign Experience. Ekonomicheskie i sotsialnye peremeny. Fakty, tendentsii, prognoz [Economic and Social Changes: Facts, Trends, Forecast], 13(6), 54–67. DOI: 10.15838/esc.2020.6.72.3. (In Russ).
Demidova, O. A. & Ivanov, D. S. (2016). Models of Economic Growth with Heterogenous Spatial Effects: The Case of Russian Regions. Ekonomicheskiy zhurnal Vysshey Shkoly Ekonomiki [The HSE Economic Journal], 20(1), 52–75. (In Russ).
Dubrovskaya, Yu. V. (2017). Instruments and institutions of inter-regional interaction activation in the Russian economy. Vestnik Omskogo universiteta [Herald of Omsk University], 4(60), 34–44. DOI: 10.25513/1812–3988.2017.4.34–44. (In Russ).
Lesage, J. P. (2008). An Introduction to spatial econometrics. Revue d`economie industrielle, 123, 19–44.
Mariev, O. S. & Teplyakov, N. S. (2020). Econometric Modelling of the Impact of Knowledge Diffusion and Other Factors on Exports of Russian Regions. Zhurnal ekonomicheskoy teorii [Russian Journal of Economic Theory], 17(4), 811–819. DOI: 10.31063/2073–6517/2020.17–4.6. (In Russ).
Moran, P. (1950). Notes on Continuous Stochastic Phenomena. Biometrika, 37, 17–23.
Anselin, L., Gallo, J. L. & Jayet, H. (2008). Spatial panel econometrics. In: The Econometrics of Panel Data (pp. 625–660). DOI: 10.1007/978–3-540–75892–1-19.
Serkov, L. A. & Kozhov, K. B. (2020 Interregional Distribution of Energy Potential Based on Spatial Autoregression. Zhurnal ekonomicheskoy teorii [Russian journal of Economic Theory], 17(4), 799–810. DOI: 10.31063/2073–6517/2020.17–4.5. (In Russ).
Moran, P. (1948). The interpretation of statistical maps. Journal of the Royal Statistical Society. Series B (Methodological), 10(2), 243–251. DOI: 10.2307/2983777.
Koenker, R. & Hallock, K. (2001). Quantile regression. Journal of Economic Perspectives, 15, 143–156.
Cameron, A. C. & Trivedi, P. K. (2005). Microeconometrics: Methods and Applications. New York: Cambridge University Press, 1152.
Koenker, R. (2005). Quantile Regression. New York: Cambridge University Press, 281.
Hunter, D. R. & Lange, K. (2000). Quantile regression via an MM algorithm. Journal of Computational and Graphical Statistics, 9, 60–77.
Frölich, M. & Melly, B. (2010). Estimation of quantile treatment effects with Stata. Stata Journal, 10(3), 423–457.
Orsini, N. & Bottai, M. (2011). Logistic quantile regression in Stata. Stata Journal, 11(3), 327–344.
Naumov, I. V. (2019). Investigation of the Interregional Relationships in the Processes of Shaping the Territories’ Investment Potential Using the Methods of Spatial Modelling. Ekonomika regiona [Economy of region], 15(3), 720–735. DOI: 10.17059/2019–3-8. (In Russ).
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2021 Петров Михаил Борисович, Серков Леонид Александрович, Кожов Константин Борисович
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
