К вопросу об оценке потенциала узлов экономического каркаса территории

Современное экономическое пространство России отличается значительными диспропорциями в региональном развитии. Пространственная неравномерность регионального социально-экономического развития выражается, прежде всего, в различном уровне концентрации населения и инфраструктуры, сложившейся структуры экономики, степени освоенности территории, предопределяя формирование поляризованных социально-экономических районов.

В зависимости от сложившегося регионального экономического каркаса, существуют значительные различия «узлов» (агломераций) по объему инвестиций на душу населения, величине денежных доходов, бюджетной обеспеченности населения и ряду других показателей. Как правило, в центральной зоне экономическая ситуация лучше, - эти территории имеют более высокие показатели в уровне жизни населения, занятости, получении медицинских и образовательных услуг, транспорт- ной доступности. В этой связи особенно актуально методологически и методически обосновать комплекс управленческих подходов и инструментов сбалансированного пространственного развития региона с учетом территориальных природноклиматических, экономических и культурно-исторических особенностей, инноваций в части технологий и законодательных механизмов.

Каркасный подход в мезоэкономике предполагает выявление узлов. В качестве способов обоснования их выделения могут быть использованы эконометрические подходы, позволяющие агрегировать количественные параметры, характеризующие узел. Под «узлом экономического каркаса» мы понимаем пространственно обусловленное концентрированное размещение эффективно используемых в настоящее время (или в перспективе в качестве возможного потенциала дальнейшего развития) разнообразных ресурсов - сырьевых, трудовых, инфраструктурных, энер- гетических, а также платежеспособных рынков сбыта продукции и услуг. Как правило, узел располагается в населенном пункте (в некоторых районных центрах и всегда - в региональном).

Ранжирование узлов экономического каркаса территории требует предварительного агрегирования ключевых показателей. Авторами статьи было проведено исследование последних на примере промышленного потенциала города Барнаула. Очевидно, что региональный центр (столица области, края) по определению будет являться крупнейшим узлом экономического каркаса территории. При этом важно отметить тот факт, что методика предварительной агрегатной оценки может быть экстраполирована и на уровень районных центров, возможно с усечением параметров, которые не формализованы в отчетности и статистике.

Определимся с понятийным аппаратом. Производственный потенциал промышленности является основой формирования важнейших макроэкономических показателей: ВВП, экспорт, основной капитал, инвестиции и потребление, обусловливая соединение всех ресурсов экономики по видам экономической деятельности, являющимся драйверами экономического роста [4] национальной, региональной и городской экономики. Концептуальнопонятийный анализ категории «производственный потенциал промышленности» в рамках городской экономики показал, что существуют три основных подхода определяющих сущность данной категории: ресурсный, результативный и синтетический [1, 3, 7]. Оценка производственного потенциала промышленности в рамках каждого из подходов использует специфические ключевые инструменты. В качестве основных инструментов оценки выступают коэффициентный метод, основанный на показателях прироста и трендовых сопоставлениях; корреляционно-регрессионный анализ, использующий аппарат теории вероятностей и эконометрики для выявления многофакторных зависимостей между ключевыми показателями, определяющими потенциал; метод производственной функции, который дает разложе- ние вклада в потенциал по двум основным группам факторов — материальным ресурсам и трудовым ресурсам, с учетом качества данных ресурсов и их детализацией, а также широко применяемые методы анализа иерархий, матричный подход и бенчмаркинг, более подходящие для исследования микрооснов промышленного производства в рамках монографического исследования и выборочных исследований, не давая при этом агрегированных оценок производственного потенциала промышленности экономики территории (города) [2, 5, 8, 9].

Анализ преимуществ и недостатков методов оценки производственного потенциала промышленности (Анчишкин А.И., Айвазян С.А., Афанасьев М.Ю., Макаров В.Л. [1]; Фигурнов Э.Б., Свободин В., Шевченко Д.К., Архипов В., Василенко Ю.В., Иванищева Н.А. [4]; Маслов Н.С. [5]; Таран И.В., Кузьменко В.В. [8]; Шишкина Н.П. [9]) показал релевантную ценность использования корреляционнорегрессионного эконометрического анализа для количественной оценки агрегированного показателя производственного потенциала территории.

В качестве объясняющих и контрольных переменных в соответствии с синтетическим подходом к производственному потенциалу используются:

• -    число предприятий по виду деятель-ности/отрасли ( N);

• -    средняя численность работников ( L );

• -    среднемесячная начисленная заработная плата ( w );

• -    инвестиции в основной капитал ( I);

• -    рентабельность проданных това-ров/услуг ( ROS);

• -    фондоотдача ( Fo );

• -    стоимость основных производственных фондов по остаточной стоимости на конец периода (фиксированные активы – FA );

• -    налоговая нагрузка ( TB ).

Объясняющие факторы представляют четыре основные группы исходных данных о ресурсах узла экономического каркаса:

Группа 1: оценка степени конкуренции в отрасли/виде экономической деятельно- сти, которая обусловлена фактором численности предприятий (N);

Группа 2: оценка трудовых ресурсов, включающая численность работников ( L ) и заработную плату ( w );

Группа 3: оценка финансовых и материальных ресурсов и эффективности их использования - инвестиции в основной ка питал (I), рентабельность продаж (ROS), фондоотдача (Fo), стоимость фиксированных активов (FA);

Группа 4: региональная (городская) бюджетная эффективность - налоговая нагрузка ( TB ). Перечисленные группы исходной информации представлены на рисунке 1.

Рис. 1. Основные группы факторов оценки производственного потенциала промышленно сти г. Барнаула

В соответствии с четырьмя выделенными группами следует интерпретировать вклад каждого фактора в рост объемов выпуска и продаж. На основе имеющейся статистической информации, представленной раздельно по малому и среднему бизнесу, нами была проведена оценка производственного потенциала раздельно для видов экономической деятельности малого бизнеса, а затем для видов экономической деятельности среднего бизнеса. Опираясь на используемую методологию, была сформирована система из нескольких спецификаций модели оценки производственного потенциала промышленности г. Барнаула как основного узла экономического каркаса территории Алтайского края.

Практические расчеты по разработанной методологии позволяют оценить производственный потенциал промышленности по системе взаимосвязанных групп факторов, используя спецификации моделей многофакторного корреляционнорегрессионного анализа, развивая синтетический подход и базируясь на сочетании результативного и ресурсного профиля потенциала. Оценку производственного потенциала промышленности (ППП) основного узла экономического каркаса территории (для Алтайского края — г. Барнаул) можно реализовать на основе методического обеспечения, представленного на рисунке 2.

Рис. 2. Инструментально-методическое обеспечение анализа и оценки производственного потенциала промышленности г. Барнаула

Логика методического обеспечения анализа и оценки производственного потенциала промышленности исходит из количественного статистического анализа и моделирования многофакторных причинно-следственных связей в системе промышленности узла экономического каркаса. Анализ позволяет провести отбор факторов для оценки потенциала, при этом сама оценка проводится с использованием инструментария эконометрики, при построении спецификаций модели производственного потенциала промышленности с последующим критериальным анализом состоятельности моделирования по дисперсиям и скорректированным коэффициентам детерминации.

На основе данных Алтайкрайстата [10] за период 2018-2020 гг., авторами исследования была сформирована выборка из 78 данных, включающая показатели по отраслям обрабатывающей промышленности в качестве основных переменных, формирующих производственный потенциал промышленности г. Барнаула, и показатели по другим отраслям в качестве контрольных переменных. Всего в выборку попали 20 обрабатывающих производств и шесть дополнительных видов экономической деятельности [10]: обеспечение электрической энергией, газом и паром, кондиционирование воздуха, водоснабжение; водоотведение, организация сбора и утилизации отходов, деятельность по ликвидации загрязнений; оборот розничной и оптовой торговли; оборот общественного питания; растениеводство; животноводство.

В процессе моделирования исходных данных за 2018-2020 гг. были получены семь спецификаций модели производственного потенциала промышленности для г. Барнаула (см. таблицу 1). Базовой спецификацией послужила М-1, включающая в себя классические факторы производства: труд, заработную плату и инвестиции в основной капитал. Остальные спецификации развивают базовую в части дополнительных факторов, контрольных переменных, тренда и индивидуальных фиксированных эффектов.

В контексте настоящего исследования критериями оценки эффективности модели являются параметры, коррелирующие с обеспечением безопасности (национальной, экономической, экологической). Для целей этой части исследования критериями эффективности модели являются:

• 1)    трудовые ресурсы (состояние, динамика, влияние на другие факторы);

• 2)    инвестиции;

• 3)    добавленная стоимость.

М-1 является базовой линейной моделью, включает основные факторы производства, такие как труд, заработная плата и инвестиции в основной капитал, но не учитывает тренд в выпуске продукции выборочных отраслей, поэтому ее объясняющая способность довольно низкая - всего 26,3% исходных фактических данных. На основании базовой модели были построены дальнейшие вариации модели производственного потенциала промышленности.

М-2 стала учитывать трендовую компоненту, что заметно повысило коэффициент детерминации модели до 87,9%, наряду с наилучшим показателем оценки вклада инвестиций в выпуск среди всех моделей. На основе М-2 можно заключить, что отдача от инвестиций увеличивает выпуск в среднем на 0,15 руб. с одного рубля инвестиций.

М-3, являясь нелинейной моделью, углубляет понимание основных факторов, влияющих на производственный потенциал промышленности: согласно этой модели, можно наблюдать снижающуюся отдачу от факторов производства таких, как труд и количество предприятий. Снижение отдачи от труда соответствует условиям Инады и подтверждается М-3, а квадрат количества предприятий говорит об усилении конкуренции в отрасли, что в итоге приводит к снижению выпуска, в том числе косвенно через снижение отдачи труда и капитала, используемых на вновь входящих в отрасль предприятиях. Также М-3 дает лучшую оценку вклада в выпуск дополнительно появляющихся в отрасли предприятий - появление дополнительного предприятия увеличивает выпуск в среднем на 152 млн. руб., но эта величина корректируется в сторону снижения отдачи от этого фактора через квадрат количества предприятий. Модели с первой по третью не учитывают индивидуальные фиксированные отраслевые эффекты, детерминирующие факторы индивидуального спроса в этих отраслях, поэтому они менее пригодны для дифференцированной оценки производственного потенциала промышленности.

Линейная модель М-4 включает фиксированные эффекты, но оперирует только финансовыми и фискальными факторами, не учитывая классические факторы труда и капитала, поэтому, несмотря на высокую объясняющую способность данной модели, она не может быть использована для расчета, но при этом именно она дает лучшую оценку тренда рассматриваемой выборки. Вследствие этого можно сделать вывод, что основная тенденция используемых панельных данных 2018-2020 годов характеризуется, как повышающаяся.

Линейная М-5 оперирует фактором труда, давая наилучшую оценку его вклада в выпуск. Согласно данной модели, привлечение дополнительных работников может привести к приросту выпуска на 0,171 млн. руб. Также данная модель показывает значительный вклад фондоотдачи по прибыли в рост выпуска в отраслях промышленности г. Барнаула, но отсутствие учета тренда в данной модели может приводить к смещению ее оценок, что не позволяет использовать ее для расчета производственного потенциала промышленности города.

М-6 и М-7 являются нелинейными моделями и максимально учитывают всю информацию исходных данных, что подтверждается высокими скорректированными коэффициентами детерминации. М-6 дает лучшую оценку вклада рентабельности продаж в выпуск отраслей - увеличение рентабельности на 1% приводит к росту выпуска на 146,4 млн. руб. в целом по экономике города. Также данная модель показывает лучшую оценку вклада налоговой нагрузки в выпуск - увеличение налоговой нагрузки на 1% приводит к сокращению (отвлечению) выпуска примерно на 58 млн. руб. М-7 дает лучшую оценку вклада заработной платы в выпуск отраслей экономики города. Согласно этой модели, рост заработной платы в среднем по экономике города на один рубль может стимулировать работников к росту выпуска на 0,18 млн. руб. в масштабе всей городской экономики. Согласно скорректированному коэффициенту детерминации, М-7 является лучшей в объяснении исходных данных выборки и соответственно прогнозировании оценки производственного потенциала промышленности г. Барнаула (основного узла экономического каркаса территории Алтайского края). Практические расчеты по спецификации М-7 представлены на рисунке 3.

Согласно расчетам, проведенным по М7 (рис. 3), наибольший рост выпуска в 2023 году может наблюдаться в производстве напитков более 12%, производстве пищевых продуктов свыше 2-10%, обработке древесины более 2%, производстве бумаги и бумажных изделий свыше 5%, в полиграфии более 10%, производстве резиновых и пластмассовых изделий более 5%, производстве неметаллической минеральной продукции свыше 10%, производстве готовых металлических изделий око- ло 12%, производстве оптических изделий до 14%, производстве машин и оборудования не включенных в другие группировки до 16%, производстве мебели более 3% и ремонте и монтаже свыше 3-5%. Спад производства можно ожидать в текстильной отрасли около 2,5%, производстве одежды около 1,3%, производстве электрического оборудования около 3%, производстве автотранспортных средств, прицепов и полуприцепов около 10 и более процентов, производстве прочих транспортных средств и оборудования до 4%. Среди основных ограничений роста перечисленных производств выступают санкционные факторы, нарушения цепочек логистики комплектующих и ограничения по параллельному импорту со стороны третьих лиц. Это будет стимулировать предприятия к трансформации существующих и выстраиванию новых цепочек добавленной ценности, что займет весь 2023 год и несколько последующих периодов в зависимости от обострения политических факторов и внешних ограничений.

Ряд1; производство электрического оборуРдяодв1а; ния;

производство автотранспортных средств; 3334,

■ Ряд1; ремонт и монтаж машин и оборудования;

1036,22; 1%

Ряд1;

производство прочих готовых изделий; 304,22; 0%

Ряд1;

металлургическое ;

■761,28;Р1я%д1;

мебели ; 3; 0%

Ряд1;

производс готовых

во производство химических веществ и химических продуктов ;

1580,95; 1% прочей неметаллической минеральной продукции ;

5748,82; 5%

компьютеров, электронных и оптических изделий; 805,41;

Ря1д%1;

производс

■ производство машин и оборудования; 5531,64

оизводство пищевых продуктов;

31787,4; 29%

металлических изделий, кроме машин и оборудования ;

1147Р4я,7д81; 10% производс

Ряд1; произво

резиновых и пластмассовых изделий ; 24319,35; 22%

Ряд1; производство прочих транспортных средств и оборудования; 5714,98; 5%

Ряд1; производство напитков ; 2823,78;

Ря3д%1;

производство текстильных изделий ; 3900,37;

4Р%яд1; производство древе1с%ины и производство изделий из дерева и пробки, кроме мебели; 42,04

Ряд1;

производство

Ряд1; деятельность     бумаги и полиграфическая и бумажных изделий копирование носителей информации ;

37,81; 0%

; 5308,16; 5%

Рис. 3. Оценка производственного потенциала г. Барнаула на 2022 г., млн. руб.

Проведенное исследование позволило схематично описать методику оценки промышленного потенциала узлов экономического каркаса. Следующими этапами исследования являются:

• 1)    адаптация моделей для узлов нижних уровней каркаса территории;

• 2)    обоснование границы отсечения (Ен-гоян, 2023);

• 3)    обоснование структуры экономического каркаса (соотношение количества узлов к общему количеству населенных пунктов, имеющих значение в контексте стратегий безопасности (национальной, экономической, экологической).