Моделирование инвестиционной привлекательности видов экономической деятельности в регионе с использованием матрицы финансовых потоков
Автор: Наумов Илья Викторович, Трынов Александр Валерьевич
Журнал: Экономические и социальные перемены: факты, тенденции, прогноз @volnc-esc
Рубрика: Моделирование и прогнозирование социально-экономических процессов
Статья в выпуске: 4 т.12, 2019 года.
Бесплатный доступ
Актуальность работы обусловлена возросшей на фоне ограничения внешних источников финансирования инвестиционных процессов потребностью в повышении эффективности государственной инвестиционной политики. Целью работы является разработка методического инструментария оценки влияния изменения объема инвестиций в основной капитал на темпы экономического роста регионов для выявления видов экономической деятельности, обладающих наибольшей отдачей с точки зрения развития народного хозяйства. Новизна авторского подхода заключается в интеграции двух инструментов оценки эффективности инвестиций: производственной функции Кобба-Дугласа, использующейся для расчета прироста валового выпуска в результате ввода в действие основных фондов, а также балансовой модели движения финансовых потоков в регионе (матрицы финансовых потоков) для расчета прямых и косвенных экономических эффектов, возникающих в результате инвестиционной деятельности. В статье проведены расчет и анализ отраслевых производственных функций четырех областей - Свердловской, Вологодской, Челябинской и Курганской, обладающих различной специализацией и уровнем социально-экономического развития, а также расчет предельной отдачи от капитала в 16 видах экономической деятельности. Построены матрицы финансовых потоков представленных регионов за 2016 год, на основе которых выполнен расчет четырех групп отраслевых мультипликаторов, отражающих влияние прироста валового выпуска в отдельной отрасли на совокупный прирост валового выпуска (в экономике региона в целом), добавленной стоимости, доходов домашних хозяйств и доходов консолидированного регионального бюджета. В работе показано, что совокупный эффект в виде прироста ВРП и налоговых доходов регионального бюджета от прироста основного капитала может, в зависимости от отрасли отличаться в несколько раз. В ходе исследования были выявлены статистические аномалии, свидетельствующие о существенных недостатках имеющейся информации, препятствующих получению более точных результатов. Авторский подход и полученные результаты могут использоваться органами власти при формировании инвестиционной политики, с учетом региональной отраслевой специфики формирования мультипликативных экономических эффектов.
Инвестиционная привлекательность, регион, инвестиции, производственная функция кобба-дугласа, матрица финансовых потоков, мультипликативный эффект, инвестиционная политика
Короткий адрес: https://sciup.org/147225049
IDR: 147225049 | DOI: 10.15838/esc.2019.4.64.4
Текст научной статьи Моделирование инвестиционной привлекательности видов экономической деятельности в регионе с использованием матрицы финансовых потоков
Инвестиции являются основой экономического развития любого государства, поэтому поддержание и стимулирование инвестиционной активности является одной из приоритетных задач всех субъектов экономики. Однако в настоящее время многие российские экономисты сходятся во мнении, что в инвестиционной сфере РФ накопился ряд проблем, препятствующих достижению приемлемых темпов экономического развития. Во-первых, наблюдается недостаток ресурсов, направляемых на восполнение и расширение производственной базы. С 2011 по 2016 год доля валового накопления в валовом выпуске в РФ не превышала 22%, при этом наблюдается постоянный, волнообразный отток капитала. А.Г. Аганбегян отмечает, что при доле инвестиций в ВВП на уровне 20–15% можно обеспечить среднегодовые темпы экономического роста в размере 2,5–3%, как это происходит в развитых странах. Для обеспечения темпов экономического роста на уровне 5–6% норма инвестиций должна поддерживаться на уровне 30–35%. Если же ставится задача поддержания темпов экономического развития на 7, 8 и более процентов, то это осуществимо, как правило, только при норме инвестиций, превы- шающей 40%, как, например, в настоящее время в Китае и Индии и как это было в Японии, Южной Корее и на Тайване в периоды их ускоренного развития [1, с. 11-12].
Второй важной проблемой в инвестиционной сфере является структурный дисбаланс. Т.В. Ускова, проведя анализ инвестиционных процессов в России, пришла к выводу, что «структура инвестиций в основной капитал является неоптимальной; удельный вес средств, инвестируемый в сельское хозяйство, обрабатывающие производства и строительство сокращается; крайне низкой является доля средств в машиностроительное производство – сферу, определяющую состояние производственного потенциала страны. Финансирование сектора знаний и отраслей, направленных на развитие человеческого капитала, осуществляется по остаточному принципу» [2, с. 45]. Можно сказать, что «российская экономика находится в состоянии структурно-технологического неравновесия, характеризующегося неэффективным распределением факторов производства и финансовых ресурсов, которое препятствует формированию устойчивой экономической динамики» [3, с. 10]. В этой же работе отмечается, что ключевым компонентом экономи- ческой политики становится ее составляющая – структурно-инвестиционная политика, под которой понимается «комплекс мер, которые нацелены на сглаживание диспропорций отраслевого, технологического и пространственного характера, затрудняющих взаимодействие между секторами экономики и не устраняемых традиционными рыночными механизмами, и которые включают систему целенаправленных действий по развитию механизмов финансирования инвестиций в основной капитал» [3, с. 10]. Таким образом, одним из главных недостатков проводимой сегодня экономической политики остается отсутствие в ней системности и научного подхода к формированию инвестиционной стратегии экономического развития государства и регионов, совершенствованию механизма организации и управления инвестиционными отношениями [4, с. 29]. Реализация системной и научно обоснованной инвестиционной политики нуждается в соответствующем инструментарии прогнозирования результатов предпринимаемых мер.
Методический подход к оценке инвестиционной привлекательности видов экономической деятельности в региональной системе
Особенности деятельности государства как представителя общественных интересов обусловливает ряд важнейших методологических особенностей процесса принятия решений в инвестиционной сфере. А именно необходимость учета всей совокупности возникающих экономических эффектов. Основы данного подхода были заложены Р. Масгрэйвом [5], Уильямсом [6] и другими исследователями. Важное место в этой концепции занимает разделение выгод и издержек на внутренние и внешние в зависимости от того, возникли ли они внутри или вне юрисдикции, в которой реализуется проект. Многие государственные программы, реализуемые на одной территории, могут оказывать определенное влияние и на соседние регионы. Такая же ситуация характерна для отдельных фирм и инвестиционных проектов, реализация которых может привести как к выгоде контрагентов (потребителей продукции, поставщиков сырья и оборудования, сотрудников компании и т.д.), так и к потерям конкурентов. При реализации проекта частной компанией она, во многих случаях, может пренебрегать внешними эффектами. Однако при реализации государственной политики такие эффекты необходимо включать в оценку. Важнейшим проявлением внешних экономических эффектов служат так называемые мультипликативные эффекты. Под ними понимается комплекс внешних по отношению к реализуемому проекту эффектов, проявляющихся в активизации деятельности в смежных с проектом видах экономической деятельности (ВЭД). Мультипликативные эффекты включают в себя рост валового выпуска, добавленной стоимости в смежных отраслях, а также увеличение доходов домашних хозяйств и налоговых поступлений в бюджеты всех уровней.
В практике, для оценки влияния различных факторов на экономику государства, используется широкий класс экономико-математических моделей общего равновесия (General equilibrium model – GEM). Подобные модели предлагают формальный аппарат как для анализа источников флуктуации экономики, так и для исследования макроэкономической политики. Значительные успехи в развитии CGE (computable general equilibrium) моделей стимулировали повышенный спрос со стороны центральных банков как развитых, так и развивающихся стран, а также крупнейших международных экономико-финансовых институтов. В качестве примеров можно привести модели Банка Канады (Terms-of-Trade Economic Model – ToTEM), ФРС США (SIGMA), европейского центрального банка (New area – Wide Model (NAWM), а также модели мировой экономики МВФ (GEM и Global integrated monetary and fiscal GIMF). В России подобные модели разрабатываются и используются как органами власти (Министерством финансов и Центральным банком РФ), так и научными организациями. В данном направлении можно выделить работы научного коллектива под руководством академика В.Л. Макарова [7], а также работу А.В. Полбина [8] и др. Разработка таких моделей для отдельных регионов представляет сложную практическую задачу из-за отсутствия достоверных статистических данных по ряду ключевых показателей экономического кругооборота. Во-первых, отсутствуют корректные данные о межрегиональном движении товаров и услуг. Во-вторых, в имеющихся статистических данных не отражены сложные корпоративные связи, что приводит к статистической концентрации валовой добавленной стоимости в местах регистрации главных офисов крупнейших российских корпораций. Таким образом, построение детализированных моделей отдельных регионов РФ представляется на данный момент невозможным. Однако это не отменяет потребности федеральных и региональных органов власти в адекватном экономико-математическом инструментарии, позволяющем моделировать влияние отдельных мер государственной политики в области инвестиций на динамику социально-экономического развития отдельных субъектов РФ.
Для исследования экономических процессов на региональном уровне значительное распространение получили модели на основе балансового метода. Первые подобные модели появились еще в 20–30-х годах XX в. Среди научных исследований в этой области широкую известность приобрели работы нобелевских лауреатов по экономике В. Леонтьева, Л.В. Кон-торовича, Р. Стоуна и ряда других выдающихся учёных. В дальнейшем в зарубежной практике наибольшее распространение получила модифицированная модель межотраслевого баланса – Матрицы Социальных Счетов – МСС (Social Accounting Matrix – SAM) или, другими словами, матрицы финансовых потоков. В отличие от стандартной модели межотраслевого баланса в матрице финансовых потоков (МФП), наряду с промежуточным и конечным потреблением, а также валовой добавленной стоимостью, дополнительно рассматриваются трансфертные платежи между институциональными секторами (домашними хозяйствами, фирмами и правительством), а также распределение факторных платежей внутри каждого сектора. Основы использования МФП как эффективного инструмента в изучении структуры экономической системы, особенностей воспроизводственного процесса и формирования и распространения мультипликативных эффектов были заложены в работах Г. Пьятта, Дж. Раунда [9], Е. Торбэка, Дж. Дефорни [10] и др. Примером современной методологии разработки и анализа МСС является работа П.Л. Скандицо и С. Феррарези [11]. Балансовый подход в исследовании экономики отдельных регионов широко используется и российскими учеными. Были построены модели отдельных регионов [12; 13; 14; 15]: Свердловской, Курганской,
Челябинской областей, Республики Бурятия, Хабаровского края и др. На основе этих моделей исследователи разрабатывают методические рекомендации для оценки общественной эффективности реализации отдельных инвестиционных проектов. В данном направлении можно отметить работы Т.С. Новиковой [16], Н.Н. Михеевой и В.И. Суслова [17], А.Б. Когана [18]. Кроме того, в нашей предыдущей работе мы предложили методику оценки эффективности реализации инвестиционных проектов на основе матрицы финансовых потоков [19]. Была сформирована МФП Свердловской области и на ее основе рассчитаны мультипликаторы валового выпуска, ВРП, прибыли, доходов домашних хозяйств, налоговых поступлений в региональный бюджет. Счет «Отрасли» МФП был разделен на 16 видов экономической деятельности в соответствии с классификацией ОКВЭД, что дает возможность анализа результатов реализации инвестиционного проекта в отраслевом разрезе. Было отмечено, что данный подход применим только для оценки конкретного инвестиционного проекта, при известных объемах инвестиций и будущего объема выпуска продукции. Однако государственная инвестиционная политика в основном состоит из мер, оказывающих влияние на общий объем инвестиций на территории. Изменения налогового режима как одного из ключевых инструментов государственной инвестиционной политики проанализированы в работах Зви-ка, Махона [20], Хауса и Шапиро [21], а также Холла и Йоргенсена [22]. Примером таких мер является изменение налоговой и монетарной политики. Анализу их влияния на инвестиционную активность предприятий посвящено достаточно большое число работ. Наиболее распространенным и точным методом прогнозирования валового выпуска является производственная функция вида Кобба–Дугласа. Теоретико-методологические и практические аспекты её построения и использования подробно описаны в многочисленных научных публикациях как российских, так и зарубежных авторов [23; 24; 25; 26; 27]. Построение данной функции для отдельной отрасли дает возможность оценить, насколько изменится валовой выпуск в указанной сфере при увеличении использования капитала на одну единицу. В дальнейшем полученную информацию можно ис- пользовать для расчета мультипликативных эффектов с помощью матрицы финансовых потоков и установить совокупный экономический эффект от инвестиций в конкретный ВЭД. Таким образом, алгоритм оценки влияния увеличения основного капитал на темпы экономического роста регионов состоит из двух этапов:
-
1. Расчет суммы прироста валового выпуска, вызванного увеличением объема основного капитала. Для этой цели строятся отраслевые производственные функции вида Кобба–Дугласа, а также вычисляется предельная отдача от капитала. Полученное значение предельной отдачи от капитала в отрасли показывает, на сколько увеличится валовой выпуск в этом ВЭД при увеличении основного капитала на 1 рубль. Сравнение предельной отдачи от капитала в различных отраслях позволяет выявить сектора с относительным избытком и недостатком капитала.
-
2. Расчет прямых и косвенных экономических эффектов от роста выпуска продукции. Увеличение валового выпуска приводит, во-первых, к увеличению добавленной стоимости и налоговых поступлений в анализируемой отрасли. Во-вторых, стимулирует спрос на продукцию смежных отраслей, что порождает возникновение косвенных экономических эффектов (рост добавленной стоимости и бюджетных доходов при росте промежуточного потребления).
Новизна авторского подхода заключается в интеграции двух инструментов оценки эффективности инвестиций: производственной функции Кобба–Дугласа, использующейся для расчета прироста валового выпуска в результате ввода в действие основных фондов в тех или иных видах экономической деятельности и предельной отдачи от данных инвестиций, а также балансовой модели движения финансовых потоков в регионе (матрицы финансовых потоков) для расчета мультипликативных эффектов, возникающих в результате инвестиционной деятельности: прямых – от осуществления инвестиций и косвенных, отражающих прирост спроса в смежных отраслях.
Предложенный подход позволит не только оценить эффективность инвестиций в отдельном виде экономической деятельности, но и определить направления, привлечение инве- стиций в которые обеспечит более высокие темпы экономического роста региональной системы в целом.
Результаты расчетов
Основой выбора регионов для исследования послужили проведенные ранее исследования по классификации регионов РФ по финансовоэкономическим источникам развития [28]. В соответствии с полученными ранее результатами регионы РФ были разделены на четыре группы: 1) финансово-самодостаточные регионы; 2) финансово устойчивые регионы, развивающиеся преимущественно за счет внутренних финансово-экономических источников; 3) регионы, развивающиеся с привлечением значительных внешних (бюджетных и внебюджетных) инвестиционных источников; 4) регионы, развивающиеся преимущественно за счет внешних финансово-экономических источников. Для более подробного анализа было выбрано по одному региону из каждой группы. Таким образом, объектом исследования стали Свердловская, Вологодская, Челябинская и Курганская области, имеющие ряд структурных отличий и отличий в уровне социально-экономического развития. В частности, выбранные регионы обладают различными отраслевой структурой ВРП и структурой инвестиций в основной капитал. Кроме того, у них отличаются уровень фискальной отдачи отраслей в расчете на один рубль выпуска и добавленной стоимости, уровень бюджетной обеспеченности и самодостаточности, уровень диверсификации экономики, а также степень вовлеченности в процессы межрегиональной и международной торговли. Все указанные особенности оказывают прямое влияния на величину мультипликативных экономических эффектов, а предлагаемая для их оценки балансовая модель в виде МФП позволяет проводить анализ с учетом данных особенностей.
Этап №1: построение производственных функций и расчет предельной отдачи от капитала.
Для расчётов использовались статистические данные за 2005 – 2016 гг., на основе которых строились отраслевые производственные функции вида Кобба–Дугласа, отвечающие таким требованиям, как постоянная отдача от масштаба, положительная и убывающая предельная отдача факторов производства:
Q =AxKaxL0 (1)
Q – объем выпущенной продукции;
K – объём капитальных вложений (основных фондов или основного капитала);
L – объём трудовых ресурсов или трудовых затрат;
A – коэффициент, отражающий технологический уровень производства;
α – коэффициент эластичности по труду;
β – коэффициент эластичности по капиталу.
Экспериментально было установлено, что для достижения высокой достоверности при построении производственных функций исходные данные должны быть преобразованы к линейному типу с помощью процедуры линеаризации (извлечения натурального логарифма по всем переменным в модели). В результате выражение (1) было приведено к классическому уравнению двухфакторной линейной регрессии. В качестве аргумента функции были взяты данные о среднегодовой численности занятых по отдельным видам экономической деятельности, а также данные о стоимости основных фондов. Особенностью применённой методики исчисления производственных функций стало использование данных о величине годового валового выпуска товаров и услуг. Отметим, что в большинстве работ [24; 25; 26], в качестве зависимой переменной авторы использовали величину валового регионального продукта. После получения отраслевых производственных функций были рассчитаны значения предельной отдачи от капитала, показывающие взаимосвязь изменения валового выпуска продукции в рублях при изменении объема основного капитала на 1 рубль. Исходя из цели исследования, расчет предельной отдачи от труда не проводился. Результаты представлены в таблице 1. Анализ полученных коэффициентов показал, что в регионах существует значительная межотраслевая дифференциация значений. Так, в Свердловской области наибольшее значение предельной отдачи от капитала – MPC (marginal productivity of capital) зафиксировано в секторе «Строительство» (0,867), наименьшее в секторе «Транспорт и связь» (0,051); Челябинской области – «Оптовая и розничная торговля» (0,966), «Обрабатывающие производства» (0,085), соответственно; Курганской области – «Строительство» (5,312), «Транспорт и связь»
(0,053); Вологодской области – «Строительство» (3,733), «Производство и распределение электричества, газа и воды» (0,038). Кроме того, существует и значительные межрегиональные отличия в отдельных отраслях. Так, наибольшее значение предельной отдача от капитала в секторе сельского хозяйства наблюдается в Курганской области (1,098).
В Свердловской области данное значение составляет 0,35, а в Челябинской и Вологодской областях – 0,19 и 0,185 соответственно. Различные значения MPC в одних и тех же отраслях в различных регионах говорят о недостатке или избытке капитала относительно других факторов производства.
Этап №2: построение матриц финансовых потоков региона и расчет матриц мультипликаторов. В наших предыдущих работах достаточно подробно раскрыты теоретико-методологические и методические вопросы построения матрицы финансовых потоков регионов.
Кроме того, представлены возможности дезагрегирования счетов «Отрасли» и «Домашние хозяйства». Ранее нами уже были рассчитаны агрегированные МФП Челябинской и Курганской областей за 2012 год, а также дезагрегированная МФП Свердловской области за 2015 год. В данной статье сформированы дезагрегированные матрицы финансовых потоков четырех регионов (Свердловская, Челябинская и Курганская области) за 2016 год и представлена впервые разработанная МФП Вологодской области за 2016 год (табл. 2) .
Структура матриц финансовых потоков, ее переменные и анализ выявленных в результате взаимосвязей подробно описаны в [12, с. 22-39]. В дальнейшем была проведена дезагрегация счета «Отрасли» по видам экономической деятельности и рассчитана матрица мультипликаторов МФП. Методика расчета матрицы мультипликаторов МФП и интерпретация полученных значений представлены в работе авторов [29]. Мультипликаторы валового выпуска, добавленной стоимости, доходов домашних хозяйств и консолидированного регионального бюджета даны в таблице 3.
Можно сказать, что в отдельном регионе значения различных мультипликаторов МФП в разных отраслях не имеют кардинального отличия. Например, в Свердловской области наибольшее значение имеет мультипликатор
Таблица 1. Производственные функции Кобба–Дугласа для различных видов экономической деятельности в субъектах РФ
о га ю о СК го ЗЕ го |
cl S |
со о |
сг> |
5 |
со СЧ cd |
ю |
СЧ LO |
5 |
cd |
со ю |
5 |
СЧ со |
о |
со со |
ю СО ю |
S |
=г ш 5 со S щ О = 0> % Q- н S о vg g со = 03 $ н о ё g. ото о g g s я СО х X О о X s О Р |_ Q_ Q} -0 1- О с CL О 5 ГО (D О g g О о = 8 " 1 1 X о_= О g g. g 5 ГО р с ^ ГО О CD 1 S ГО t х > >Х 3 О о х. § io 1 5 X §5 1 | = о О X с О О о. 5 СО го >Х о § ° 5 9 n S со О х р о о CD ° L- LO k О- CD р 5 ° ГО S ГО 2 CD СО О = - ™ Н ГО О т О О О О ° ГО g g 1 - ^ g О = S S О S о Е | I S g о О g- ° го о 9 х го О (D г =Г UD О 05 го т % о CD d> _J CD S с О g ? х ’§ gs^-i ё S g Я Я я g о О ™ Я Я т q_ CD го х ГО со ^ >х „ р О со s S к । ° 5 о S= | о S i U о 5 5 § С 5 X ™ го g" го го со X а> ■ s 8 Ь з- g & 5 g g Pg 5 § gg> К о S ^ XX S 8" g- ° о я ’§ £ 5 SS. ? 5 8 fig §,^g | $ 7 8 ° 5 О >< о X ГО S >8 3 eg § g x СЕ ГО o x ro g Ш CD О * ГО * ^- CL CO S * |
СК го X X CD со о со о 1= |
X II ^ |
X ^ II ^ |
X II ^ |
X II ^ |
X II ^ |
X II ^ |
X ^ II ^ |
X ^ II ^ |
X II ^ |
X II ^ |
X II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
X II ^ |
||
о го со о СК го S со СК о CD ZT |
о? S |
S |
Ю cd |
со |
ю со |
cd |
со сч |
со СО cd |
CD |
о" |
со |
СО cd |
со со |
СО |
ю со |
о |
|
СК го X X CD со о со X о 1= |
X II ^ |
X ^ II ^ |
X II ^ |
X II ^ |
X ^ II ^ |
X II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
X II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
||
го о со о СК го о о го о со |
cl S |
ю со |
СЧ io |
ю сч_ |
LO сч_ |
со |
ОО |
СО со |
О |
СО |
cd cd СЧ |
S |
ю со |
ср |
ю сч_ |
СЧ со |
|
X -& X го X X CD со о со X о 1= |
X II ^ |
X II ^ |
X II ^ |
X II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
X II ^ |
X II ^ |
X II ^ |
X II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
||
го о со о СК го со о ГО СЕ CD о |
cl S |
СЧ ю |
со сг> |
со ю |
со |
о |
СО со |
ю СЧ |
со ю |
ю |
СЧ ю |
о" |
S |
о" |
о |
9 |
|
-& X го X X CD со о со X о 1= |
X II ^ |
X II ^ |
X II ^ |
X II ^ |
X ^ II ^ |
X II ^ |
X ^ II ^ |
X II ^ |
X II ^ |
X II ^ |
X II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
X ^ II ^ |
||
1=1 о со |
= |
= |
> |
> |
> |
> |
> |
X |
X |
X |
X |
X |
X |
X |
Таблица 2. Агрегированная матрица финансовых потоков Вологодской области, 2016 г.
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
||
Товары и услуги |
Отрасли |
Капитал |
Труд |
Домохозяйства |
Регио-наль-ный бюджет |
Феде-раль-ный бюджет |
Вне-бюджет-ные фонды |
Инвестиции |
Экспорт |
Сумма |
||
1 |
Товары и услуги |
613 456 |
214350 |
38 671 |
25 107 |
13 425 |
114115 |
301 004 |
1320128 |
|||
2 |
Отрасли |
1 099 667 |
1099667 |
|||||||||
3 |
Капитал |
290 841 |
3 351 |
294192 |
||||||||
4 |
Труд |
183 602 |
183602 |
|||||||||
5 |
Домохозяйства |
38 830 |
141851 |
15 127 |
559 |
64 861 |
261228 |
|||||
6 |
Региональный бюджет |
3 013 |
22 691 |
29 711 |
11 806 |
67221 |
||||||
7 |
Федеральный бюджет |
8 755 |
3 245 |
65 808 |
77808 |
|||||||
8 |
Внебюджетные фонды |
41751 |
36 535 |
78 286 |
||||||||
9 |
Сбережения |
77 401 |
17 167 |
5 386 |
3 801 |
10 360 |
114 115 |
|||||
10 |
Импорт |
220 461 |
152 025 |
4 686 |
377 172 |
|||||||
11 |
СУММА |
1 320 128 |
1 099 667 |
294 192 |
183602 |
261228 |
67 221 |
77 808 |
78 286 |
114115 |
377 172 |
Источник: составлено авторами на основе данных Территориального органа Федеральной службы государственной статистики по Вологодской области, Федеральной налоговой службы и Федерального казначейства.
Таблица 3. Соотношение ключевых мультипликаторов отраслей регионов *
Мультипликаторы |
|||||
валового выпуска |
добавленной стоимости |
доходов домашних хозяйств |
доходов регионального бюджета |
||
Свердловская область |
Макс. значение |
2,837 (5) |
1,664 (13) |
1,299 (13) |
0,234 (10) |
Мин. значение |
2,312 (13) |
1,364 (4) |
1,067 (4) |
0,133 (12,14) |
|
Соотношение |
22,7% |
22,1% |
21,7% |
75,9% |
|
Челябинская область |
Макс. значение |
3,341 (5) |
1,782 (13) |
1,384 (13) |
0,244 (10) |
Мин. значение |
2,551 (14) |
1,676 (5) |
1,303 (5) |
0,147 (12) |
|
Соотношение |
31,0% |
6,6% |
6,2% |
66,0% |
|
Вологодская область |
Макс. значение |
1,933 (5) |
1,328 (13) |
0,967 (13) |
0,146 (10) |
Мин. значение |
1,356 (9) |
1,076 (4) |
0,684 (4) |
0,087 (12) |
|
Соотношение |
42,6% |
22,7% |
41,4% |
71,3% |
|
Курганская область |
Макс. значение |
2,413 (5) |
1,557 (13) |
1,22 (13,7) |
0,172 (10) |
Мин. значение |
1,779 (13) |
1,367 (5) |
1,097 (5) |
0,107 (12) |
|
Соотношение |
36,2% |
14,0% |
11,2% |
60,7% |
* В скобках указан номер соответствующего вида экономической деятельности. Источник: расчеты авторов.
валового выпуска в обрабатывающей промышленности (2,837), а наименьшее – в секторе образования (2,312). Следовательно, первый коэффициент больше на 22%, что с учетом всех допущений не представляется критичным. Для мультипликаторов валовой добавленной стоимости и доходов домашних хозяйств ситуация аналогичная. Максимальная разница состави- ла 22 и 21% соответственно. Анализ отраслевых мультипликаторов доходов консолидированного регионального бюджета показал более значительные отличия. Здесь разница между значениями в секторе здравоохранения (0,133) и секторе финансовых услуг (0,234) составляет 76%. Результаты сравнения по другим исследуемым регионам приведены в таблице 3.
Таблица 4. Матрица отраслевых мультипликаторов регионов 2016 года
Отрасли |
Предельная отдача капитала |
Мультипликаторы МФП |
Мультипликаторы МФП с учетом предельной отдачи капитала |
||||||
валового выпуска |
ВДС |
доходов домашних хозяйств |
доходов регионального бюджета |
валового выпуска |
ВДС |
доходов домашних хозяйств |
доходов регионального бюджета |
||
I |
0,352 |
2,677 |
1,484 |
1,160 |
0,149 |
0,942 |
0,522 |
0,408 |
0,052 |
II |
0,098 |
2,516 |
1,562 |
1,231 |
0,200 |
0,247 |
0,153 |
0,121 |
0,020 |
III |
0,158 |
2,693 |
1,439 |
1,133 |
0,175 |
0,426 |
0,227 |
0,179 |
0,028 |
IV |
0,748 |
2,837 |
1,364 |
1,067 |
0,139 |
2,122 |
1,02 |
0,798 |
0,104 |
V |
0,147 |
2,796 |
1,383 |
1,083 |
0,144 |
0,411 |
0,204 |
0,159 |
0,021 |
VI |
0,867 |
2,682 |
1,472 |
1,151 |
0,146 |
2,325 |
1,276 |
0,998 |
0,127 |
VII |
0,725 |
2,534 |
1,568 |
1,228 |
0,161 |
1,837 |
1,137 |
0,890 |
0,117 |
VIII |
0,516 |
2,700 |
1,462 |
1,144 |
0,153 |
1,393 |
0,754 |
0,590 |
0,079 |
IX |
0,051 |
2,609 |
1,516 |
1,188 |
0,160 |
0,133 |
0,077 |
0,061 |
0,008 |
X |
0,152 |
2,683 |
1,424 |
1,134 |
0,234 |
0,408 |
0,217 |
0,172 |
0,036 |
XI |
0,244 |
2,509 |
1,589 |
1,246 |
0,175 |
0,612 |
0,388 |
0,304 |
0,043 |
XII |
0,327 |
2,478 |
1,556 |
1,214 |
0,133 |
0,810 |
0,508 |
0,397 |
0,043 |
XIII |
0,212 |
2,312 |
1,664 |
1,299 |
0,142 |
0,490 |
0,352 |
0,275 |
0,030 |
XIV |
0,471 |
2,453 |
1,579 |
1,232 |
0,133 |
1,155 |
0,744 |
0,580 |
0,063 |
XV |
0,467 |
2,530 |
1,543 |
1,207 |
0,147 |
1,181 |
0,72 |
0,564 |
0,069 |
I |
0,190 |
2,946 |
1,746 |
1,354 |
0,172 |
0,560 |
0,331 |
0,257 |
0,033 |
II |
0,975 |
2,770 |
1,763 |
1,368 |
0,175 |
2,701 |
1,719 |
1,334 |
0,170 |
III |
0,308 |
2,926 |
1,722 |
1,346 |
0,205 |
0,901 |
0,53 |
0,414 |
0,063 |
IV |
0,085 |
3,237 |
1,696 |
1,317 |
0,170 |
0,275 |
0,145 |
0,112 |
0,014 |
V |
0,119 |
3,341 |
1,676 |
1,303 |
0,171 |
0,398 |
0,2 |
0,155 |
0,020 |
VI |
0,283 |
3,029 |
1,728 |
1,341 |
0,170 |
0,857 |
0,489 |
0,379 |
0,048 |
VII |
0,966 |
2,828 |
1,753 |
1,362 |
0,178 |
2,732 |
1,693 |
1,315 |
0,172 |
VIII |
0,330 |
3,032 |
1,726 |
1,342 |
0,180 |
1,001 |
0,57 |
0,443 |
0,059 |
IX |
0,213 |
2,726 |
1,768 |
1,374 |
0,181 |
0,581 |
0,376 |
0,293 |
0,039 |
X |
0,046 |
3,005 |
1,699 |
1,337 |
0,244 |
0,138 |
0,079 |
0,062 |
0,011 |
XI |
0,096 |
2,770 |
1,764 |
1,372 |
0,187 |
0,266 |
0,17 |
0,132 |
0,018 |
XII |
0,088 |
2,698 |
1,744 |
1,353 |
0,147 |
0,237 |
0,154 |
0,119 |
0,013 |
XIII |
0,106 |
2,387 |
1,782 |
1,384 |
0,156 |
0,253 |
0,189 |
0,147 |
0,017 |
XIV |
0,185 |
2,551 |
1,766 |
1,369 |
0,149 |
0,472 |
0,327 |
0,253 |
0,028 |
XV |
0,473 |
2,749 |
1,745 |
1,357 |
0,171 |
1,300 |
0,825 |
0,642 |
0,081 |
I |
0,185 |
1,774 |
1,13 |
0,733 |
0,094 |
0,328 |
0,209 |
0,136 |
0,017 |
II |
0,572 |
1,391 |
1,218 |
0,754 |
0,096 |
0,796 |
0,697 |
0,431 |
0,055 |
III |
0,235 |
1,750 |
1,146 |
0,766 |
0,112 |
0,411 |
0,27 |
0,180 |
0,026 |
IV |
0,257 |
1,916 |
1,076 |
0,684 |
0,093 |
0,492 |
0,276 |
0,176 |
0,024 |
V |
0,038 |
1,933 |
1,082 |
0,704 |
0,099 |
0,073 |
0,041 |
0,027 |
0,004 |
VI |
3,733 |
1,884 |
1,105 |
0,726 |
0,092 |
7,032 |
4,124 |
2,709 |
0,345 |
VII |
0,867 |
1,553 |
1,186 |
0,781 |
0,138 |
1,346 |
1,028 |
0,677 |
0,120 |
VIII |
0,244 |
1,814 |
1,13 |
0,751 |
0,102 |
0,443 |
0,275 |
0,183 |
0,025 |
IX |
0,036 |
1,356 |
1,222 |
0,751 |
0,101 |
0,049 |
0,044 |
0,027 |
0,004 |
X |
0,299 |
1,773 |
1,116 |
0,738 |
0,146 |
0,530 |
0,334 |
0,221 |
0,044 |
XI |
0,060 |
1,574 |
1,191 |
0,791 |
0,127 |
0,094 |
0,072 |
0,047 |
0,008 |
XII |
0,185 |
1,725 |
1,205 |
0,850 |
0,087 |
0,319 |
0,223 |
0,157 |
0,016 |
XIII |
0,023 |
1,394 |
1,328 |
0,967 |
0,105 |
0,032 |
0,03 |
0,022 |
0,002 |
XIV |
0,205 |
1,614 |
1,239 |
0,876 |
0,095 |
0,331 |
0,254 |
0,180 |
0,019 |
XV |
0,082 |
1,608 |
1,217 |
0,839 |
0,106 |
0,132 |
0,1 |
0,069 |
0,009 |
I |
1,098 |
2,199 |
1,489 |
1,206 |
0,124 |
1,414 |
1,635 |
1,324 |
0,136 |
II |
0,309 |
2,207 |
1,463 |
1,186 |
0,142 |
0,682 |
0,453 |
0,366 |
0,044 |
III |
0,172 |
2,195 |
1,45 |
1,179 |
0,169 |
0,378 |
0,249 |
0,203 |
0,029 |
IV |
0,926 |
2,363 |
1,398 |
1,123 |
0,115 |
2,188 |
1,294 |
1,040 |
0,106 |
V |
0,051 |
2,413 |
1,367 |
1,097 |
0,119 |
0,123 |
0,07 |
0,056 |
0,006 |
VI |
5,312 |
2,285 |
1,426 |
1,145 |
0,119 |
2,136 |
7,575 |
6,082 |
0,634 |
VII |
0,133 |
2,057 |
1,513 |
1,220 |
0,139 |
0,274 |
0,201 |
0,162 |
0,018 |
VIII |
2,319 |
2,231 |
1,448 |
1,164 |
0,123 |
5,173 |
3,358 |
2,700 |
0,286 |
IX |
0,056 |
2,189 |
1,488 |
1,206 |
0,133 |
0,123 |
0,083 |
0,068 |
0,007 |
X |
0,132 |
2,255 |
1,418 |
1,154 |
0,172 |
0,298 |
0,187 |
0,152 |
0,023 |
XI |
0,182 |
2,137 |
1,483 |
1,194 |
0,134 |
0,389 |
0,27 |
0,217 |
0,024 |
XII |
0,747 |
1,858 |
1,534 |
1,204 |
0,107 |
1,388 |
1,145 |
0,899 |
0,080 |
XIII |
0,486 |
1,779 |
1,557 |
1,220 |
0,110 |
0,865 |
0,756 |
0,593 |
0,054 |
XIV |
0,565 |
1,931 |
1,508 |
1,186 |
0,108 |
1,091 |
0,852 |
0,670 |
0,061 |
XV |
0,307 |
2,076 |
1,486 |
1,187 |
0,125 |
0,637 |
0,457 |
0,364 |
0,038 |
Источник: составлено авторами.
Поскольку мультипликатор – это численный коэффициент, отражающий зависимость одного параметра от другого, речь в данном исследовании пойдет о влиянии роста выпуска продукции на ряд макроэкономических показателей в регионе, таких как: валовая добавленная стоимость, доходы домашних хозяйств, доходы регионального бюджета и совокупного выпуска. Очевидно, что для обеспечения роста выпуска на одну единицу в различных отраслях требуется различный объем капитальных вложений, т.к. увеличение основного капитала в разных отраслях на одну единицу вызывает различный рост валового выпуска. Чтобы учесть данный фактор, необходимо полученные отраслевые мультипликаторы скорректировать на текущие значения предельной отдачи от капитала в соответствующих отраслях. Результаты расчетов представлены в таблице 4.
Проведенный анализ позволил выявить виды экономической деятельности, обладающие наибольшей отдачей от увеличения основного капитала. В Свердловской области ими являются строительство и сектор оптовой и розничной торговли (значения скорректированных мультипликаторов добавленной стоимости 1,27 и 1,13 соответственно). В Челябинской области наибольшая отдача наблюдается в сфере оптовой и розничной торговли. Кроме того, значительной отдачей обладают сектор добычи полезных ископаемых и сектор гостиничных и ресторанных услуг. Отметим, что в
Челябинской области наибольшим мультипликатором ВДС обладает сектор рыболовства и рыбоводства (2,7). Несмотря на то что данный сектор вряд ли может являться основой экономического развития для данного региона, можно отметить его перспективы как одного из направлений развития малого и среднего бизнеса. В Вологодской области наибольшее значение мультипликатора имеет сектор оптовой и розничной торговли (1,34). В Курганской области наибольшую отдачу имеют сектор сельского хозяйства (1,635), сектор обрабатывающей промышленности (1,29).
Отдельно стоит отметить сектор строительства в Вологодской и Курганской области, а также сектор «гостиницы и рестораны» в Курганской области, поскольку в данных отраслях значения мультипликаторов ВДС оказались значительно выше средних. Можно предположить, что причиной такого сильного отклонения являются особенности статистического учета основных средств и трудозатрат в этих ВЭД. Тем не менее данный аспект требует дополнительного изучения.
Анализ отраслевых мультипликаторов, скорректированных на величину предельной отдачи от капитала, показывает существенное изменение отдачи от капитала в различных отраслях. Так, в Свердловской области наибольшее значение имеет мультипликатор валового выпуска в секторе «Строительство» (2,325). Близким по величине мультипликатором об-
Таблица 5. Соотношение ключевых мультипликаторов отраслей регионов с учетом предельной отдачи от капитала
Анализ показал, что выраженный в приросте ВРП и доходов консолидированного регионального бюджета экономический эффект от прироста основного капитала в различных отраслях может значительно отличаться (иногда в несколько раз). Следовательно, федеральная и региональная инвестиционная политика должны проводится с учетом данных особенностей. В соответствии с предложенным подходом общий экономический эффект от инвестиций в отдельный ВЭД, выраженный в приросте валовой добавленной стоимости, рассчитывается по следующей формуле:
Эфф отр = I х Мвдс + VxMP k x М вдС (2)
-
где Эфф отр – общий экономический эффект в отрасли;
I – сумма инвестиций в отрасли;
-
V – величина прироста основного капитала в отрасли;
MPk – предельная отдача от капитала в отрасли;
M ВДС – мультипликатор валовой добавленной стоимости матрицы финансовых потоков в отрасли.
С учетом доработки методики алгоритм расчёта общего экономического эффекта от инвестиций в конкретный ВЭД выглядит следующим образом:
-
1. Расчёт суммы прироста основного капитала в отраслях.
-
2. Расчет мультипликативного эффекта от инвестиционного спроса в экономике региона.
-
3. Расчёт прямого эффекта в виде прироста валового выпуска в регионе, связанного с увеличением объёма основного капитала.
-
4. Расчет мультипликативного эффекта от прироста валового выпуска продукции в отрасли.
-
5. Расчет экономического эффекта от инвестиций в отрасли путем суммирования результатов расчетов 2, 3 и 4 пунктов.
Обсуждение и выводы
Интегрирование производственной функции существенно повлияло на расчет мультипликативных эффектов, позволило точнее, на наш взгляд, определить отрасли, обладающие наибольшей отдачей от увеличения основного капитала с учетом как прямых, так и косвенных экономических эффектов. Данные, представленные в таблице 5, показывают, что в регионах наблюдается высокая межотраслевая дифференциация предельной отдачи от капитала. Так, например, в Свердловской области значение этого показателя варьируется от 0,051 в сфере транспорта и связи до 0,867 в строительстве. В результате анализ первичных отраслевых мультипликаторов показал, что наибольшую отдачу с позиции совокупного спроса могут принести инвестиции в обрабатывающее производство (мультипликатор 2,682), а после их корректировки и расчета полного эффекта – инвестиции в строительство (суммарный мультипликатор 5,007). Матрица отраслевых мультипликаторов регионов позволяет федеральным органам власти сравнивать эффективность инвестиций в одну и ту же сферу в разных регионах и, тем самым, более оптимально перераспределять бюджетные средства на развитие регионов.
Авторский методический подход и инструментарий могут использоваться органами федеральной и региональной власти для экспресс-анализа как конкретных инвестиционных проектов, так и государственных мер стимулирования инвестиций, дают возможность повысить эффективность управленческих решений при определении отраслевых направлений и последующей реализации инвестиционной политики.
Однако полученные в ходе исследования результаты нельзя назвать окончательными, поскольку в ходе расчетов были выявлены значительные аномалии, ставшие результатом несовершенства статистического учета ряда важнейших показателей в регионах. Наиболее ярким примером такой аномалии служит учет основных фондов в секторах «Строительство» и «Транспорт и связь» в Курганской и Вологодской областях. В итоге были получены экстремально высокие значения предельной отдачи от капитала в этих отраслях, что, очевидно, тре- бует дополнительного исследования. Действия органов власти могут оказывать значительное влияние на относительный избыток или недостаток факторов производства.
В отдельном уточнении нуждается и анализ сектора «Финансовые услуги и страхование». Это вызвано двумя факторами. Во-первых, спецификой функционирования финансового сектора, которая не требует высокой обеспеченности физическим капиталом, лежащим в основе показателя прироста основных фондов, используемого для построения отраслевой производственной функции. Во-вторых, высокой концентрацией финансового капитала в Мо- скве. Отдельное дополнительное рассмотрение необходимо для отраслей экономики, относящихся к сфере услуг, таких как торговля, медицина, образование и т.п.
Совершенствование методологии построения региональных МФП, а также получение дополнительных статистических данных об отдельных видах деятельности повысит точность и достоверность оценки эффективности мер государственной инвестиционной политики, что в конечном итоге позволит усилить эффективность использования общественных ресурсов и значительно повысить качество жизни и уровень национального благосостояния.
Список литературы Моделирование инвестиционной привлекательности видов экономической деятельности в регионе с использованием матрицы финансовых потоков
- Аганбегян А.Г. Инвестиции -основа ускоренного социально-экономического развития России//Деньги и кредит. 2012. № 5. С. 10-16.
- Ускова Т.В. О роли инвестиций в обеспечении устойчивого экономического роста//Экономические и социальные перемены: факты, тенденции, прогноз. 2013. № 6. С. 45-59.
- Ивантер В.В. и др. Структурно-инвестиционная политика в целях обеспечения экономического роста в России: монография/под науч. ред. акад. В.В. Ивантера. М.: Научный консультант. 2017. 196 с.
- Морозов В.В. Стратегические основы совершенствования управления инвестиционной деятельностью в регионе. Екатеринбург: Институт экономики УрО РАН, 2010. 363 с.
- Масгрэйв Р.А., Масгрэйв П.Б. Государственные финансы: теория и практика/пер. с англ. М.: Бизнес Атлас, 2009. 716 с.
- Williams A. Cost-benefit analysis: bastard science? And/or insidious poison in the body politics? Journal of Public Economics, 1972, vol. 1, pp. 199-225.
- Макаров В.Л., Бахтизин А.Р., Сулакшин С.С. Применение вычислимых моделей в государственном управлении. М.: Научный эксперт, 2007. 238 с.
- Полбин А.В., Дробышевский С.М. Построение динамической стохастической модели общего равновесия для российской экономики. М.: Институт Гайдара, 2014. 156 с.
- Pyatt G., Round J.I. Accounting and fixed price multipliers in a social accounting matrix framework. The Economic Journal, 1979, vol. 89, pp. 850-873.
- Defourny J., Thorbecke E. Structural path analysis and multiplier decomposition within a social accounting matrix framework. The Economic Journal, 1984, vol. 94, pp. 111-136.
- Scandizzo P.L., Ferrarese C. Social accounting matrix: A new estimation methodology. Journal of Policy Modeling, 2015, vol. 37, pp. 14-34.
- Татаркин Д.А., Сидорова Е.Н., Трынов А.В. Управление финансовыми потоками на основе оценки региональных мультипликативных эффектов. -Екатеринбург: Институт экономики УрО РАН, 2015. 155 с.
- Захарченко Н.Г. Исследование экономического пространства: синтез балансового и теоретико-игрового методов моделирования//Пространственная экономика. 2015. № 4. С. 12-38.
- Методические проблемы формирования информационной базы динамической межотраслевой модели экономики республики Бурятия/А.О. Баранов, З.Б-Д. Дондоков, К.П. Дырхеев, В.Н. Павлов, В.И. Суслов//Регион: экономика и социология. 2016. № 4. С. 47-68.
- Захарчук Е.А., Пасынков А.Ф. Региональная балансовая модель финансовых потоков на основе секторального подхода системы национальных счетов//Экономика региона. 2017. № 1. С. 318-330.
- Новикова Т.С. Анализ общественной эффективности инвестиционных проектов. Новосибирск: ИЭОПП СО РАН, 2005. 282 с.
- Михеева Н.Н., Новикова Т.С., Суслов В.И. Оценка инвестиционных проектов на основе комплекса межотраслевых межрегиональных моделей//Проблемы прогнозирования. 2011. № 4. С. 78-90.
- Коган А.Б. Критика доминирования оценки бюджетной эффективности при выборе инвестиций для государственного софинансирования//Финансовая аналитика: проблемы и решения. 2017. № 11. С. 1257-1272.
- Трынов А.В. Методика оценки экономической эффективности инвестиционных проектов, реализуемых на принципах государственно-частного партнерства//Экономика региона. 2016. Т.12. № 2. С. 602-612.
- Zwick E., Mahon J. Tax policy and heterogeneous investment behavior. American Economic Review, 2017, vol. 107, pp. 217-248.
- House C.L., Shapiro M.D. Temporary investment tax incentives: theory with evidence from bonus depreciation. American Economic Review, 2008, vol. 98, pp. 737-768.
- Hall R.E., Jorgenson D.W. Tax policy and investment behavior. American Economic Review, 1967, vol. 57, pp. 391-414.
- Наумов И.В. Проблемы прогнозирования валового выпуска в региональной социально-экономической системе//Журнал экономической теории. 2017. № 4. С. 68-83.
- Барро Р.Дж., Сала-и-Мартин Х. Экономический рост. М.: Бином. Лаборатория знаний, 2010. 824 с.
- Кирилюк И.Л. Моделирование производственных функций для российской экономики//Компьютерные исследования и моделирование. 2013. № 2. С. 293-312.
- Горбунов В.К., Львов А.Г. Построение производственных функций по данным об инвестициях//Экономика и математические методы. 2012. № 2. С. 95-107.
- Клейнер Г.Б. Производственные функции: теория, методы, применение. М.: Финансы и кредит, 1988. 238 с.
- Сидорова Е.Н., Татаркин Д.А. Финансовый потенциал регионов и их социально-экономическая привлекательность. Екатеринбург: Институт экономики УрО РАН, 2013. 385 с.
- Татаркин Д.А., Сидорова Е.Н., Трынов А.В. Разработка инвестиционного паспорта региона на основе мультипликаторов матрицы финансовых потоков//Вестник УрФУ. Серия: экономика и управление. 2017. № 6. С. 909-927.