Механизм формирования циркулярной экономики: теоретические аспекты и практика юга России

DOI:

Цитирование. Никитаева А. Ю., Шестопалова О. С., 2023. Механизм формирования циркулярной экономики: теоретические аспекты и практика Юга России // Региональная экономика. Юг России. Т. 11, № 4. С. 170–181. DOI:

Постановка проблемы

В настоящее время циркулярная экономика (экономика замкнутого цикла, англ. circular economy) выступает в качестве одной из ведущих экономических концепций, рассматриваемых как основа обеспечения устойчивого развития, повышения конкурентоспособности хозяйствующих субъектов, региональных и национальных экономик, синхронизированного достижения положительных социальных и экологических эффектов и экономического роста и развития в условиях ресурсных ограничений и цифровой трансформации общества в рамках Индустрии 4.0 [Chen, Dagestani, 2023; Skare, Gavurova, Kovac, 2023; Ren et al., 2023; Mukherjee et al., 2023; Agliardi, Kasioumi, 2023; Savini, 2023]. Экспоненциальным ростом характеризуется количество научных публикаций по проблемам циркуляризации экономики (31 статья в 2009 г., 4 092 статьи в 2022 г.) и число их цитирований (24 цитаты в 2009 г., 72 927 цитат в 2022 г.)

Циркулярную экономику можно определить как экономическую систему, в которой материалы циркулируют в замкнутом цикле [Yuan, Bi, Moriguichi, 2006]; как стратегии, которые сужают ресурсные петли [Bocken et al., 2016]; как экономическую систему, в которой потребление ресурсов и отходы, выбросы и утечки энергии сводятся к минимуму за счет цикличности, расширения, интенсификации и дематериализации материальных и энергетических циклов [Geissdoerfer et al., 2020].

Несмотря на распространение в теоретическом пространстве концепции циркулярной экономики, ее практическое воплощение в реальных хозяйственных системах не осуществляется автоматически, носит локальный и ограниченный характер, крайне лимитированной остается доля данной экономической модели по сравнению с линейной [Saccani, Bressanelli, Visintin, 2023; Prieto-Sandoval et al., 2018]. Ряд исследований в этой связи ориентированы на поиск факторов, которые могут выступить драйверами перехода к циркулярной экономике [Aloini et al., 2020; Косолапова et al., 2023]. В то же время важным и недостаточно проработанным представляется изучение комплексных механизмов циркуляризации экономических систем, которые позволяют объединить вместе различные факторы, технологии и инструменты перехода к экономике замкнутого цикла. При этом нужно учитывать, что разные регионы России обладают различным уровнем развития циркулярной экономики [Никитаева, Шестопалова, 2022]. В данном исследовании, принимая по внимание специфику российской экономики и ее территорий, предлагается уточненное понятие механизма циркуляризации с учетом перехода к экономике замкнутого цикла применительно к хозяйственным системам мезоуровня (субъектам РФ) с фокусировкой влияния на регионах Юга России.

Сущность механизма формирования циркулярной экономики

При рассмотрении механизма формирования циркулярной экономики следует отметить, что соответствующее понятие не является устоявшимся в научной литературе. В общем виде «механизм» в экономическом контексте – это система взаимодействия экономических субъектов и институтов, которая обеспечивает функционирование экономики в целом и определенных ее секторов в частности.

Й. Шумпетер использовал термин «механизм» для описания концепции «творческого разрушения», которая предполагает, что развитие экономики происходит через постоянное разрушение старых способов производства и создание новых, более эффективных и инновационных [Шумпетер, 1982].

Д. Норт применял термин «механизм» для описания процессов, которые стимулируют изменения институтов (технологические инновации, социальные движения и экономические кризисы и т. д.) и регулируют их функционирование [Норт, 1997].

А.Н. Бычкова выделяет три подхода к определению понятия «экономический механизм», при этом объединяющей характеристикой в них видит то, что механизм – это множество взаимосвязанных элементов, которые приводят в движение объект [Бычкова, 2010]. В рамках первого подхода механизм рассматривается как инструмент воздействия (процесс управления объектом). Второй подход раскрывает механизм как инструмент взаимодействия субъектов. С позиций третьего подхода механизм – это определенная последовательность взаимосвязанных экономических явлений. Такие механизмы могут быть открытого и закрытого типов. Открытый тип экономического механизма порождает новое экономическое явление, а закрытого – воспроизводит исходное явление в различных масштабах [Бычкова, 2010].

При этом в современных общественных науках использование категории механизма предполагает достаточно четкое разграничение на «механизм формирования» и «механизм функционирования» [Партнерские технологии ... , 2016]. Применительно к рассматриваемой проблеме перехода от линейной экономической модели к модели замкнутого цикла в данном исследовании следует сконцентрировать внимание на механизме формирования циркулярной экономики.

Если речь идет о механизме формирования, то можно говорить о процессе, который определяет, какие факторы и в каком порядке влияют на конечный результат. Механизм формирования может быть описан как система или процедура, которая определяет, как ресурсы распределяются, какие решения принимаются и какие результаты достигаются. Данный механизм приобретает разные формы и инструменты функционирования в зависимости от контекста и целей. Он может быть централизованным или децентрализованным, формальным или неформальным, управляемым или саморегулируемым.

Концепция механизма формирования была исследована экономистами в разных контекстах и в рамках разнообразных подходов. Механизмы данного типа широко используются в экономической науке, являясь ключевым элементом в разработке стратегий управления и принятии решений.

Развитие циркулярной экономики требует нового подхода к производству, потреблению и управлению бизнесом, в котором отходы рассматриваются как ценные ресурсы. Для изменения подхода к использованию ресурсов можно прибегнуть к трем способам [Экономика будущего ... , 2022]: полностью закрыть производственный цикл (переработка материалов, восстановление товаров); сузить цикл настолько, насколько это возможно (использование лучшего дизайна товаров); замедлить его (ремонт, аренда и совместное использование).

Формирование экономики замкнутого цикла требует соблюдения ее основных принципов, включающих предотвращение образования отходов, максимальное извлечение ценных свойств из использованных товаров, применение системы раздельного сбора отходов и восстановление экосистем. Отходы могут быть использованы в качестве альтернативных источников энергии и представляют ценный экономический ресурс, заменяющий традиционные энергоносители, такие как уголь, нефть, газ и древесина. Более того, выстраивание новых логистических цепочек и применение инновационных технологий извлечения полезных компонентов позволяют сделать стоимость вторичных ресурсов более экономически оправданной. В результате сокращается потребность в разработке новых месторождений, появляются рынки потребительских и производственных отходов, деятельность субъектов в рамках которых, в свою очередь, уже будет связана с механизмом функционирования циркулярной экономики.

В России в настоящее время развитие экономики замкнутого цикла находится на начальной стадии, но активно ведется институционализация соответствующих процессов. В качестве примера можно привести федеральные проекты «Чистая страна» и «Комплексная система обращения с ТКО», которые являются частью национального проекта «Экология», который начался в 2018 г. [Национальный проект ... , 2023]. С 2022 по 2030 г. планируется реализовать новый федеральный проект «Экономика замкнутого цикла» [Экономика будущего ... , 2022]. Учитывая, что ведущую роль, согласно мировому опыту, в переходе к циркулярной экономике играет государство, можно отметить, что новые институты имеют важное значение в механизме формирования экономики замкнутого цикла.

Вместе с тем требуется создание инфраструктуры для переработки отходов и повторного использования ресурсов, включая экотехнопарки, перерабатывающие мощности, цифровые модели и логистическую поддержку. Важно также обеспечить открытое и доверительное взаимодействие власти и общества при реализации масштабных проектов, в том числе за счет использования ресурсов социальных сетей. Данные составляющие сопряжены с вопросами «принятия» циркуляризации. Однако, наряду с качественными составляющими механизма, связанными с появлением новых формальных и неформальных институтов, требуется особое вни- мание уделять тем его компонентам, которые имеют количественное выражение. Это позволит оценить результативность формирования механизма циркулярной экономики в конкретных регионах страны.

В целом же по результатам исследования можно заключить, что механизм формирования циркулярной экономики – это синтетическая категория, охватывающая совокупность принципов, методов, субъектов, алгоритмов, технологий, структур и ресурсов, посредством которых осуществляется переход к экономике замкнутого цикла.

Исследование механизма формирования циркулярной экономики на региональном уровне: направления и показатели

Изучение механизмов формирования экономики замкнутого цикла требует понимания того, какими показателями можно эмпирически измерить степень их развитости в определенных регионах. Для этого изначально необходимо определить, какие характеристики должны описывать данные по этим показателям.

В настоящее время ключевыми, задающими основное содержательное наполнение и векторы развития циркулярной экономики выступают четыре теоретико-концептуальных блока: 1) концепция устойчивого развития; 2) экосистемный подход к трансформации форм организации экономики; 3) Индустрия 4.0; 4) инновации бизнес-моделей [Никитаева, 2022]. С учетом этого механизм перехода к циркулярной экономике должен основываться на следующих принципах: сбалансированность и устойчивость; охват всей цепочки создания, доставки и получения ценности; инновационность; преимущественное использование экосистемных форм организации деятельности; использование в качестве технологического ядра сквозных технологий Индустрии 4.0.

Российские исследователи в оценке циркулярной экономики предлагают концентрироваться именно на показателях, отражающих адаптированные для России задачи и индикаторы ЦУР [Бобылев, Соловьева, 2020]. Однако в данном исследовании важно учесть не только показатели, характеризующие уровень развития циркулярной экономики в стране, но и показатели, позволяющие оценить механизмы формирования данной экономической модели на региональном уровне.

Фактором, явно оказывающим позитивное влияние на циркулярный переход, выступают технологии Индустрии 4.0. В частности, цифровые решения создают возможности для разработки новых платформенных бизнес-моделей, позволяют реализовать сложные экосистемные организации через ИТ-обеспечение взаимодействия участников цепочек создания стоимости, переводить материальные потоки в виртуальные и т. д. Использование цифровых инструментов фактически обусловливает и обеспечивает на информационно-коммуникационном, аналитическом, технологическом уровнях изменение всей цепочки создания стоимости при инновациях биз-нес-моделей [Toth-Peter et al., 2023]. Практически все составляющие бизнес-модели предприятия, переориентированного на экономику замкнутого цикла: сервисные модели, обратные потоки, циркулярный дизайн, коллаборации, управление жизненным циклом продукта и др. – базируются на использовании интернета вещей, больших данных, облачных сервисов, искусственного интеллекта, данные по использованию которых в организациях конкретного региона можно использовать для исследования механизмов формирования в нем экономики замкнутого цикла.

Применение экосистемного подхода предполагает, что для изменения бизнес-моделей, без трансформации которых невозможно создание экономики замкнутого цикла, требуется сотрудничество взаимозависимых субъектов в циркулярных системах, формирование многоуровневых симбиотических экосистем, инклюзивное вовлечение заинтересованных сторон, создание специальных моделей управления. Кроме того, формирование циркулярных бизнес-моделей предполагает изменение ролей и отношений, экономических и колла-боративных ценностей, а также всей цепочки создания стоимости [Asgari A., Asgari R., 2021].

В качестве показателей для коллабораций и экосистемных форм организации деятельности есть основания использовать данные по количеству действующих в регионе или находящихся в стадии создания кластеров, индустриальных и технопарков, так как они косвенно свидетельствуют об эффективном развитии партнерских отношений в экономике, которые позволяют субъектам организовывать сложные, инновационные, совместные проекты.

Российские исследователи Е.В. Каплюк и К.С. Руднева в своей статье предлагают ряд статистических показателей (рис. 1), по которым

Удельный вес организаций, осуществляющих экологические инновации

Доля уловленных и обезвреженных загрязняющих атмосферу веществ

Удельный вес организаций, осуществляющихтехнологические инновации

Удельный вес инновационныхтоваров, работ, услуг в общем объеме отгруженныхтоваров, выполненных работ, услуг

Используемые передовые производственные технологии

Энергоемкость ВРП

Осуществление вторичной переработки (рециркуляции) отходов производства, воды или материалов

Доля продукции высокотехнологичных и наукоемких отраслей в ВРП

Инвестиции в основной капитал, направленные на охрану окружающей среды и рациональное использование природных ресурсов

Текущие (эксплуатационные) затраты на охрану окружающей среды на обращение с отходами

Затраты на экологические инновации

Рис. 1. Показатели для оценки потенциала перехода регионов к циркулярной экономике Примечание. Составлено по: [Каплюк, Руднева, 2022].

можно оценить инновационный ландшафт и потенциал перехода российских регионов к экономике замкнутого цикла [Каплюк, Руднева, 2022]. Приведенный перечень показателей охватывает также элементы устойчивости и экологичности как ее составляющей.

Таким образом, для исследования механизмов формирования экономики замкнутого цикла используются различные эмпирические показатели и данные по конкретным территориям, которые характеризуют определенные элементы циркулярных бизнес-моделей и принципы формирования циркулярной экономики.

В основном эти показатели связаны с цифровизацией экономики, наличием новых форм экономического взаимодействия, инновациями, охраной окружающей среды и рациональным использованием ресурсов.

Инструментарий оценки механизма циркуляризации региональной экономики Юга России

Различная степень выраженности показателей, характеризующих различные аспекты циркулярной экономики, может свидетельствовать о наличии или отсутствии элементов механизма формирования экономики замкнутого цикла. Чтобы понимать, насколько такие механизмы представлены в конкретных территориях и как влияют на производство, целесообразно проследить их влияние на один из основных показателей, который отображает циркулярность экономики региона, – энергоемкость ВРП (для регионов России имеет особое значение как результирующий индикатор, так как отражает эффективность использования энергетических ресурсов, занимающих большую долю в себестоимости отечественной продукции).

Для решения данной задачи в исследовании использован регрессионный анализ и показатели российской статистики по данным за 2020 г. [Энергоемкость ВВП (ВРП), 2022; Регионы России ... , 2021; Абдрахманова и др., 2021; Индустриальные парки ... , 2020], позволяющие охарактеризовать механизмы формирования циркулярной экономики по 15 регионам Южного федерального округа и Северо-Кавказского федерального округа, которые образуют Юг России.

Для дальнейшего анализа введем обозначения:

• –    y (зависимая переменная) – энергоемкость ВРП, кг условного топлива / 10 тыс. рублей;

• –    x 1 – объем оборотной и последовательно используемой воды, млн куб. м;

• –    x 2 – затраты на внедрение и использование цифровых технологий, млн рублей;

• –    x 3 – расходы на охрану окружающей среды, млн рублей;

• –    x 4 – удельный вес организаций, осуществлявших технологические инновации в общем числе обследованных организаций, %;

• –    x 5 – удельный вес организаций, использующих облачные сервисы, в общем числе организаций, %;

• –    x 6 – удельный вес организаций, использующих технологии сбора, обработки и анализа больших данных, в общем числе организаций, %;

• –    x 7 – удельный вес организаций, использующих цифровые платформы, в общем числе организаций, %;

• –    x 8 – удельный вес организаций, использующих интернет вещей, в общем числе организаций, %;

• –    x 9 – удельный вес организаций, использующих технологии искусственного интеллекта, в общем числе организаций, %;

• –    x 10 – количество кластеров (создающихся и действующих), шт.;

• – x 11 – количество индустриальных парков (создающихся и действующих), шт.;

  – x 12 – количество технопарков (создающихся и действующих), шт.

Изначально для рассмотрения был выбран также показатель доли уловленных и обезвреженных загрязняющих атмосферу веществ в общем количестве отходящих загрязняющих веществ от стационарных источников, однако уже на предварительном этапе он был исключен из анализа, так как не имел значения для Республики Ингушетия.

Анализ проводился с помощью построения модели множественной регрессии на данных по регионам Южного федерального округа и Северо-Кавказского федерального округа. В качестве зависимой переменной выступила энергоемкость ВРП региона (y), а в качестве независимых изначально были взяты данные по 12 показателям, которые характеризуют элементы механизма формирования экономики замкнутого цикла. В результате данная модель должна показать, как именно элементы механизма формирования циркулярной экономики влияют на энергоемкость ВРП, которая является одним из главных показателей циркуляризации экономики, из чего можно будет сделать вывод относительно самых влиятельных факторов и предло- жить конкретные действия для ускорения формирования экономики замкнутого цикла на данных территориях.

Регрессионный анализ выполняется с помощью программ STATISTICA и Gretl. Изначально была построена модель на основе метода наименьших квадратов, с линейной спецификацией, которая включала в себя все имеющиеся показатели (рис. 2). Однако ни один из регрессоров (факторов) не был статистически значимым – все p-значения гораздо больше 0,05. Незначимым также является уравнение в целом – p -значение для F -критерия больше 0,5. Поэтому такую модель нельзя использовать для дальнейшей интерпретации, следует исключить из рассмотрения некоторое количество факторов.

Для определения конкретных регрессоров, которые стоит исключить, была построена корреляционная матрица. Значения более 0,7 вышли у данных пар факторов: x 6 и x 8, x 1 и x 10, x 4 и x 10, x 2 и x 12. Для начала были исключены x 1 и x 4 – их заменяет x 10, а также x 2 и x 6. Таким образом, была исключена мультиколлинеарность факторов.

После исключения факторов, создающих мультиколлинеарность, модель заново была построена уже без них (рис. 3). Однако даже после исключения некоторых факторов статистически значимыми стали только два регрессора – x 8 и x 11. А уравнение регрессии в целом так и не стало статистически значимым – p -значение для F -критерия более 0,05. Для дальнейшего иссле-

Модель 1: МНК, использованы наблюдения 1-15 Зависимая переменная: у

	коэффициент	ст. ошибка t-статистика	р-значение
const	44,2531	188,872          0,2343	0,8366
Х1	-0,0231721	0,0283468     -0,8174	0,4996
х2	0,000205937	0,00402461     0,05117	0,9638
хЗ	0,00356876	0,00567994     0,6283	0,5940
х4	-1,07815	3,17676       -0,3394	0,7666
х5	-0,702127	4,86857       -0,1442	0,8985
хб	-4,44478	14,4636        -0,3073	0,7877
х7	11,6496	15,1310         0,7699	0,5219
х8	10,4808	14,6262         0,7166	0,5480
х9	-18,3561	21,3484        -0,8598	0,4805
Х10	21,7431	26,4844         0,8210	0,4979
Х11	-4,35378	7,92175       -0,5496	0,6378
х!2	-2,63643	23,6907        -0,1113	0,9216
Среднее завис, перемен 106,5247 Ст. откл. завис, перем 37,97240
Сумма кв.	остатков      2103,940 Ст. ошибка модели		32,43409
R-квадрат	0,	895776 Исправ. R-квадрат	0,270430
F(12, 2)	1,	432448 Р-значение (F)	0,483351

Рис. 2. Первичная модель, включающая все факторы (регрессоры) перехода к циркулярной экономике

Примечание. На рисунках 2–5 представлены расчеты, произведенные по данным: [Энергоемкость ВВП (ВРП), 2022; Регионы России ... , 2021; Абдрахманова и др., 2021; Индустриальные парки ... , 2020].

И gretl: модель 13			-   □	X е
Файл Правка Тесты Сохранить	Графики Анализ	LaTeX
Модель 13: МНК, использованы	; наблюдения 1	-15
Зависимая переменная: у
коэффициент	ст. ошибка	t-статистика р.	-значение
const       23,0729	47,1886	0,4890	0,6422
хЗ           0,00251709	0,00210576	1, 195	0,2771
Х5          -0,845933	1,45920	-0,5797	0,5832
х7           5,99679	4,11740	1, 456	0,1955
х8           7,67579	2,02379	3,793	0,0090   *	* *
х9         -15,5443	11,4685	-1,355	0,2241
Х10          3,24640	3,62843	0,8947	0,4054
Х11         -4,46573	2,17488	-2,053	0,0858   *
Х12         -1,59199	5,78366	-0,2753	0,7924
Среднее завис, перемен 106,	5247 Ст. откл. завис, перем		37,97240
Сумма кв. остатков      3729	,047 Ст. ошибка модели		24,93006
R-квадрат               0,815272 Исправ		. R-квадрат	0,568967
Е(8, 6)                  3,310015 P-значение (Г)			0,081020
Лог. правдоподобие     -62,65301 Крит. .		Акаике	143,3060
Крит. Шварца             149,	6785 Крит. :	Хеннана-Куинна	143,2381
обратите внимание на сокращенные обозначения статистики
Исключая константу, наибольшее р-значение		получено для переменной 13		(Х12)

Рис. 3. Регрессионная модель без мультиколлинеарных факторов перехода к циркулярной экономике

дования и интерпретации этого недостаточно, поэтому из модели были исключены факторы x 5, x 10 и x 12, так как они имеют наибольшие p -значения среди остальных факторов.

После данных преобразований была составлена модель из оставшихся пяти факторов – x 3, x 7, x 8, x 9, x 11 (рис. 4). Оценка по первоначальным показателям дает понять, что данную модель адекватно использовать для дальнейшего анализа, так как 3 из 5 регрессоров статистически значимы, и само уравнение регрессии в целом также значимо.

Первым шагом анализа стала контрольная проверка на мультиколлинеарность факторов в модели с помощью корреляционной матрицы и метода инфляционных факторов. Оба метода показывают, что мультиколлинеарность отсутствует: в матрице нет значений более 0,7, а в инфляционных факторах – значений более 10.

Далее была проверена правильность выбранной спецификации модели (линейной) с помощью RESET-теста. P -значение равно 0,253, что больше уровня 0,05, а значит, нулевая гипотеза о верности спецификации принимается. Следовательно, в данной модели линейная спецификация является верной.

Затем был рассчитан множественный коэффициент корреляции, он равен 0,883894, или 88,4 %, что говорит о сильной связи между значениями энергоемкости ВРП и всеми факторами, включенными в модель.

После этого была проведена оценка коэффициента детерминации ( R -квадрат), он равен 78,1 %, то есть дисперсия энергоемкости ВРП на 78,1 % объяснена факторами, включенными в модель. Остальная дисперсия объясняется факторами, которые не были включены в модель.

Скорректированный R -квадрат равен 65,98 % (значение скорректировано на число независимых переменных).

Оценка статистической значимости коэффициентов регрессии с помощью t -критерия Стьюдента показала, что на уровне 1 % значимым является фактор x 8, его p -значение менее 0,01 (0,0013). На уровне 10 % значимыми являются x 9 и x 11, соответствующие значения 0,0955 и 0,0612. Факторы x 3 и x 7 оказались статистически незначимыми. По F -критерию Фишера уравнение регрессии в целом можно признать статистически значимым, p -значение – 0,0082, что менее 0,05.

Далее были рассчитаны частные коэффициенты корреляции по регрессорам: x 3 (0,38), x 7 (0,497), x 8 (0,839), x 9 (–0,527), x 11 (–0,58). Наибольшее влияние на значения энергоемкости ВРП с учетом взаимного влияния остальных регрессоров оказывает фактор x 8 (использование интернета вещей), а наименьшее – x 3 (расходы на охрану окружающей среды).

Перед финальной интерпретацией модели было также проверено выполнение условий Гаусса – Маркова, которое необходимо для получения наилучшего результата анализа.

Первое условие (случайный характер остатков) выполняется, на графике разброса остатков от расчетных значений линия тренда горизонтальна, то есть остатки – это случайные величины.

Второе условие (нулевое среднее значение остатков и независимость от x -ов) выполняется, что подтверждается описательными статистиками и графиками разброса, не имеющими направленности.

Третье условие (гомоскедастичность) выполняется, что подтверждается тестами Вайта

Модель 18: ИНК, использованы наблюдения 1-15
Зависимая переменная: у коэффициент		ст. ошибка	t-статистика р-значение
const хЗ х7 х8 х9 Х11	17,9883 0,00218242 6,08904 7,04702 -17,6952 -3,31461	37,7122 0,00176863 3,54145 1,52515 9,50304 1,55038	0,4770 1,234 1,719 4,621 -1,862 -2,138	0,6447 0,2485 0,1197 0,0013   **• 0,0955   • 0,0612   *
Среднее завис, перемен 106,5247 Ст. откл. завис, перем Сумма кв. остатков      4415,448   Ст. ошибка модели R-квадрат               0,781269   Исправ. R-квадрат Е(5, 9)                  6,429282   P-значение (F) Лог. правдоподобие     -63,92019   Крит. Акаике Крит. Шварца            144,0887   Крит. Хеннана-Куинна обратите внимание на сокращенные обозначения статистики				37,97240 22,14961 0,659752 0,008246 139,8404 139,7951

Рис. 4. Финальная версия модели множественной регрессии факторов перехода к циркулярной экономике

и Бройша – Пэгана, в которых принимается нулевая гипотеза об отсутствии гетероскедастич-ности, так как p -значения более 0,05 (рис. 5).

Четвертое условие (отсутствие автокорреляции остатков) выполняется, на основе статистик Дарбина – Уотсона: D (крит.) = 2,205; dL = 0,562; dU = 2,22. D критическое попадает в интервал принятия гипотезы об отсутствии автокорреляции.

Пятое условие (нормальное распределение) также выполняется, основываясь на гистограммах и тесте на нормальное распределение, где принимается нулевая гипотеза, так как p -значение более 0,05.

Таким образом, полученная модель является хорошей по качеству, и ее можно использовать для интерпретации коэффициентов регрессии.

Итоговый вид уравнения модели выглядит следующим образом:

Y = 17,988 + 0,002 • X 3 + 6,089 • X7 + 7,047 x x X8-17,695 • X 9-3,315 • X11.

Возможна следующая экономическая интерпретация коэффициентов:

– увеличение расходов на охрану окружающей среды на 1 млн рублей приводит к увеличению энергоемкости ВРП на 0,002 кг условного топлива / 10 тыс. рублей;

– увеличение удельного веса организаций, использующих цифровые платформы, на 1 % приводит к увеличению энергоемкости ВРП на 6,089 кг условного топлива / 10 тыс. рублей;

– увеличение удельного веса организаций, использующих интернет вещей, на 1 % приводит к увеличению энергоемкости ВРП на 7,047 кг условного топлива / 10 тыс. рублей;

– увеличение удельного веса организаций, использующих технологии искусственного интеллекта, на 1 % приводит к уменьшению энергоем- кости ВРП на 17,697 кг условного топлива / 10 тыс. рублей;

– увеличение количества индустриальных парков на 1 единицу приводит к уменьшению энергоемкости ВРП на 3,315 кг условного топлива / 10 тыс. рублей.

Результаты и выводы

Полученные результаты оценки механизмов формирования циркулярной экономики в регионах Юга России позволяют сделать вывод о том, что наиболее положительно влияющими на формирование экономики замкнутого цикла факторами являются те, которые связаны с использованием сквозных технологий Индустрии 4.0 и новыми, экосистемными формами организации экономики. Соответствующими показателями выступают доля организаций, использующих искусственный интеллект, и количество индустриальных парков. Отрицательное влияние других факторов может быть объяснено тем, что при внедрении этих цифровых технологий повышается использование электроэнергии и поэтому энергоемкость ВРП возрастает, это может негативно сказаться на циркуляризации экономики. Следовательно, для успешного формирования циркулярной экономики региональным правительствам, наряду с общими мерами по развития институциональной среды и инфраструктуры экономики замкнутого цикла, следует принимать меры, направленные на увеличение присутствия данных элементов механизма в экономике своих регионов, развивать использование искусственного интеллекта и обеспечивать создание и развития индустриальных парков, в том числе экоиндустриальных, содействующих моделям совместного потребления, ресурсоэффективности и симбиотических отношений хозяйствующих субъектов.

Тест на нормальное распределение ошибок -Нулевая гипотеза: ошибки распределены по нормальному закону Тестовая статистика: Хи-квадрат(2) = 0,727484 р-значение = 0,69507

Тест Вайта (White) на гетероскедастичность (только квадраты) -Нулевая гипотеза: гетероскедастичность отсутствует Тестовая статистика: LM = 10,27 р-значение = Р(Хи-квадрат(10) > 10,27) = 0,417135

Тест Бройша-Пэгана (Breusch-Pagan) на гетероскедастичность -Нулевая гипотеза: гетероскедастичность отсутствует Тестовая статистика: LM = 6,01707 р-значение = Р(Хи-квадрат(5) > 6,01707) = 0,304561

Рис. 5. Тесты регрессионной модели перехода к циркулярной экономике на выполнение условий Гаусса – Маркова