Оценка эффективности регионального управления методом data envelopment analysis (на материалах Пермского края и регионов-конкурентов)

Оценка эффективности государственного управления – важная исследовательская задача в современной науке, которая усложняется непрерывным процессом реформирования системы организации органов публичной власти. Современные государства должны постоянно совершенствовать и адаптировать систему управления под влиянием быстро меняющихся политических, экономических, социальных и культурных процессов.

Одним из заметных примеров поиска новых эффективных форм организации публичного управления является Российская Федерация. После распада Советского союза, особенно в 2000-е годы, начинается активный этап государственного строительства. В России, как и во многих других странах, осуществлявшаяся в тот период административная реформа ориентировалась на положения концепции нового государственного менеджмента (Hood, 1991; Osborne and Gaebler, 1993; Kettl, 2005; McLaughlin et al., 2005). Реформирование государственного управления прошло несколько этапов, а учитывая масштаб территории, важную роль в этом процессе играли субъекты Российской Федерации. В этой связи появляется потребность в комплексном изучении и оценке эффективности реализованных управленческих практик на региональном уровне.

МЕТОДОЛОГИЯ (ТЕОРЕТИЧЕСКИЕ ОСНОВЫ) ИССЛЕДОВАНИЯ

Определение понятия «эффективность» достаточно давно привлекает внимание ученых. При этом в научной литературе отсутствует консенсус в понимании данного термина в контексте государственного управления.

Так, некоторые исследователи рассматривают эффективность как характеристику процесса достижения организационных (стратегических) целей (Waheed et al., 2011, p. 63). Стоит отметить, что, как правило, данный подход распространен в самих государственных институтах и применяется при разработке методик оценки эффективности органов власти. В российской практике такая методика содержится в Указе Президента Российской Федерации «Об оценке эффективности деятельности высших должностных лиц (руководителей высших исполнительных органов государственной власти) субъектов Российской Федерации и деятельности органов исполнительной власти субъектов Российской Федерации»1. Тем не менее данный подход несвободен от ряда методологических недостатков – открытым остается вопрос, какой уровень достигнутых результатов можно считать эффективным, учитывая, что различные социально-экономические системы, к которым можно отнести и российские регионы, функционируют в разных условиях и обладают неодинаковым ресурсным потенциалом? При таком подходе практически не учитываются затраченные ресурсы, следовательно, можно говорить об оценке не эффективности, а результативности управления, которую следует понимать как достижение определенных показателей (Князева и Самков, 2023).

Проводимые в разных странах мира административные реформы, направленные на внедрение в управленческую практику элементов концепций “new public management” и “good governance” (Маратова, 2022; Андрюшенков и Денисов, 2022) подтолкнули ряд исследователей к определению эффективности государственного управления с экономических позиций, как степени соответствия реальности эталонной или идеальной модели организации государственных институтов (Красильников и др., 2014, с. 48). В рамках данного подхода внимание уделяется не только формальным, но и неформальным «правилам игры», постановке целей реформаторами и средствам их достижения. Однако, как отмечают ряд экспертов, отсутствие однозначной корреляции между порядком организации государственных институтов и достижением показателей социально-экономического развития создает ощутимые исследовательские трудности (Kurtz and Schrank, 2007; Юрескул, 2016).

Необходимость осмысления и выработки новых подходов к оценке эффективности различных уровней государственного управления подтверждаются не только вышеуказанными научно-методологическими сложностями, но и неослабевающим интересом к данному направлению исследований (Ахременко и др., 2019a, 2019b; Федорова и др., 2019; Добролюбова, 2021; Добролюбова и Южаков, 2021; Добролюбова и др., 2021; Богатырева, 2022; Галимуллина и др., 2023).

В настоящей статье эффективность понимается как соотношение затрат и результатов и является относительным показателем, поскольку, по мнению авторов, выразить эффективность государственного управления в единицах измерения не представляется возможным. В этом контексте оценка эффективности того или иного института имеет смысл только в сравнении с другими подобными объектами.

Цель работы заключается в оценке эффективности регионального управления методом Data Envelopment Analysis (DEA) на материалах Пермского края и регионов-конкурентов ² в период с 2005 по 2019 год, то есть с образования нового субъекта Российской Федерации в результате объединения Пермской области и Коми-Пермяцкого автономного округа и до начала пандемии COVID-19, значительно повлиявшей на социально-экономическое развитие регионов и ставшей катализатором изменений не только в экономике, но и государственном управлении, ускорив его цифровую трансформацию.

Теоретико-методологической основой исследования является системный подходкизучениюэффективностисложныхсоциально-экономическихсистем, к которым можно отнести и субъекты Российской Федерации. В рамках систем- ного подхода модель управления регионом рассматривается как целостная и взаимосвязанная система организации государственной власти, обладающая определенными свойствами и характеристиками и направленная на достижение значимых для территории социально-экономических результатов.

В качестве исследовательского кейса были выбраны Пермский край и регионы-конкуренты – Республики Татарстан и Башкортостан, Краснодарский край, Нижегородская, Самарская, Свердловская, Тюменская и Челябинская области. В Пермском крае во второй половине 2000-х годов были наиболее полно реализованы идеи нового государственного менеджмента для построения модели управления регионом (Красильников и Троицкая, 2011), которая получила название функционально-целевой (Сухих и Блусь, 2009). В рамках данноймодели, учитывая множественность сфер ответственности государства, было предложено структурирование целей при управлении субъектом Российской Федерации, что позволяет оценить соотношение затраченных ресурсов и достигнутых регионом результатов социально-экономического развития.

Эмпирическую базу исследования составляют статистические данные Росстата и Минфина России по 9 субъектам Российской Федерации в период с 2005 по 2019 год.

Выбранный в качестве основного метода исследования Data Envelopment Analysis также называют в отечественных исследованиях анализом среды функционирования (АСФ) или оболочечным анализом. Данный метод изначально применялся для сравнения производительности коммерческих структур (Charnes et al., 1978). Но постепенно его (а также различные его вариации) стали все чаще использовать для изучения эффективности разного рода и порядка социально-экономических систем и институтов, оценки государственной политики в отдельных отраслях (Hammond, 2002; Afonso and Aubyn, 2005; Месропян, 2011; Balaguer-Coll et al., 2012; Wang and Wang, 2022; Flegl and Gress, 2023; Gareev et al., 2023; Федорова и Губанов, 2024).

В методологии DEA эффективность определяется как соотношение затрат и результатов исследуемых объектов относительно друг друга. Изучаемые объекты или Decision Making Unit (DMU) представляют собой центры принятия решений, которые рассматриваются как «черные ящики», превращающие входы (затраты) в выходы (результаты). В настоящем исследовании сложившиеся в регионах модели управления и являются теми самыми центрами принятия решений, обладающими некоторым набором ресурсов и достигающими определенных социально-экономических результатов.

Применение данного подхода подразумевает, что все изучаемые центры принятия решений находятся в пространстве производственных возможностей, которое образовано всеми возможными сочетаниями затрат и результатов. Те DMU, которые находятся на границе данного пространства – так называемой «границе производственных возможностей» (ГПВ) – считаются эффективными. Таким образом, достижение ГПВ, а соответственно, и эффективности, возможно как за счет сокращения затрат, так и за счет увеличения результатов. В методологии DEA различают модели, ориентированные на вход (достижение ГПВ за счет сокращения затрат), и модели, ориентированные на выход (достижение ГПВ за счет увеличения результата). Выбор ориентации модели зависит от исследовательских задач и стратегических целей изучаемой организации. Если говорить о системе регионального управления, направленной на увеличение показателей социально-экономического развития территории, наиболее логичным представляется использование модели, ориентированной на выход.

В прикладных исследованиях эффективности государственного управления методом DEA, как правило, используют переменные эффекты масштаба. В этом случае в качестве эталонных DMU выбираются несколько наиболее эффективных центров принятия решений, обладающих разным соотношением затрат и результатов. Линия, соединяющая наиболее эффективные DMU, при использовании данного подхода и будет считаться границей производственных возможностей. Если исходить из того, что определенным образом выстроенная структура исполнительных органов государственной власти субъекта Российской Федерации позволяет повысить эффективность управления в целом, то в качестве DMU может рассматриваться модель управления регионом, в которой функции и полномочия распределены между ее элементами, взаимодействующими посредством формальных и неформальных коммуникаций для достижения стратегических целей региона.

В качестве входа модели используются расходы консолидированного бюджета региона на душу населения с учетом индекса бюджетных расходов, применяемого Минфином России ³ . Включение в модель подушевого показателя, скорректированного на индекс бюджетных расходов, позволяет учесть экономические и социально-географические различия рассматриваемых субъектов Российской Федерации для получения валидных результатов.

В качестве выхода модели используется разработанный авторами индекс результативности регионального управления (ИРРУ). Использование одного выхода позволяет сохранить низкую размерность модели, при этом учесть достаточно большое количество факторов, отражающих достижение целей регионального развития.

ИРРУ позволяет измерить уровень достигнутых результатов в изучаемых регионах в период с 2005 по 2019 год по следующим показателям:

• 1)    коэффициент естественного прироста населения на 1 000 человек;

• 2)    коэффициент миграционного прироста на 10 000 человек;

• 3)    коэффициент младенческой смертности;

• 4)    ожидаемая продолжительность жизни при рождении;

• 5)    уровень безработицы;

• 6)    число зарегистрированных преступлений на 100 000 человек;

• 7)    подындекс благосостояния населения;

• 8)    подындекс качества среды обитания;

• 9)    численность исследователей с учеными степенями;

• 10)    численность студентов на 10 000 человек населения;

• 11)    валовый региональный продукт на душу населения.

Если исходить из того, что ключевой задачей региональных органов исполнительной власти является развитие экономики и человеческого потенциала, то включение в разработанный авторами ИРРУ вышеуказанных показателей соотносится с методологией построения других индексов качества жизни населения ⁴ .

Для приведения компонентов ИРРУ к одинаковой размерности был использован метод линейного масштабирования, суть которого заключается в отображении показателя в интервале от 0 до 1 при сохранении всех пропорций между отдельными значениями. Чтобы иметь возможность динамического сопоставления показателей, максимумы и минимумы каждой переменной фиксируются для всего изучаемого временного периода. Показатели, которые отрицательно связаны с повышением результативности регионального управления (уровень безработицы, число зарегистрированных преступлений, коэффициент младенческой смертности), подвергались процедуре обратного линейного масштабирования – масштабированная величина вычиталась из единицы ⁵ .

В качестве компонентов ИРРУ используются два подындекса – благосостояния населения и качества среды обитания. Они образуются путем усреднения нескольких величин. Подындекс благосостояния населения является средним арифметическим линейно масштабированных переменных «Отношение среднедушевых доходов населения к стоимости фиксированного набора потребительских товаров и услуг» и «Число населения с денежными доходами ниже прожиточного минимума». Подындекс качества среды обитания также представляет собой среднее арифметическое линейно масштабированных переменных «Удельный вес аварийного жилого фонда в общей площади всего жилого фонда», «Общая площадь жилых помещений, приходящаяся в среднем на одного жителя», «Отношение среднедушевых доходов населения к стоимости квадратного метра на первичном рынке жилья» и «Удельный вес общей жилой площади, оборудованной водопроводом».

Индекс результативности регионального управления является средним арифметическим всех его компонентов, имеющих одинаковые веса.

Расчеты производились с помощью свободно распространяемой программы Open Source DEA ⁶ .

Для того чтобы исключить дублирование оценок различными компонентами индекса одной и той же величины, необходимо проверить их на независимость по отношению друг к другу. Под независимостью компонентов понимается отсутствие сильных корреляционных связей между ними. Для проверки компонентов на независимость использовался метод ранговых корреляций Спирмана. Ниже представлена матрица ранговых корреляций Спирмана для всех пар компонентов ИРРУ в 2019 году (табл. 1).

си о X CD о о g ^ “ о о: и s о CU "О Е — > CD 2 ё 11 си S' CQ CD 1 Е io fa X CD О s-м О си СО i = О ® CD 2 со 2 # си о. 1— си	Валовый региональный продукт на душу населения	^ o'	я o'	ГЧ ГЧ o'	О o'	ко КО o'	о о o'	гч ^ o'	СП o'
	Численность студентов	2 o'	я o'	2 o'	o'	гч ^ o'	Ln гч o'	2 o'	о я o'
	Численность исследователей с учеными степенями	o'	00 o'	2 o'	KO ГЧ o'	о o'	00 o'	гч o'	о o'
	Индекс качества среды обитания	00 o'	5 o'	о o'	00 Ln o'	гч o'	5 o'	гч гч o'	о О'
	Индекс благосостояния населения	о LH o'	Ch гч o'	о o'	Ch Ln o'	^ o'	Ln o'	о О'	гч гч o'
	Число зарегистрированных преступлений	Ch о o'	5 o'	^ о o'	о Ln o'	й o'	о O'	Й o'	5 o'
	Уровень безработицы	о ко o'	Й o'	Ln о o'	00 KO o'	о О'	Ln o'	o'	гч o'
	Ожидаемая продолжительность жизни при рождении	s o'	ГЧ Ln o'	o'	о O'	00 КО o'	о Ln o'	Ch Ln o'	00 Ln o'
	Коэффициент младенческой смертности	LT) o'	О o'	о O'	o'	Ln о o'	о o'	о o'	о o'
	Коэффициент миграционного прироста населения	OK ГЧ o'	о O'	KO o'	ГЧ Ln o'	СП o'	5 o'	Ch ГЧ o'	я o'
	Коэффициент естественного прироста населения	о O'	Ch ГЧ o'	Ln o'	s o'	о ко o'	Ch о o'	о Ln o'	00 o'
	Я S Я CD	H о и н о 5 о & я § X ’■Q-1 g S й	H о и о Я 2 ^&S	s о к £’s К о G4 EC CD Ct О Я ^ S	s к co * s о к S g s ж e « § U Sos 3 u u О и и	3 S о о U со О Л к о ^	и к к cd о и и 00 в 2 н s и ^ И	я s к я о о о cd я я о s * 2 S я	я 8й Ct * § * 2 S 'g

Валовый региональный продукт на душу населения	СП o'	OK rq o'	о O'
Численность студентов	o'	о O'	OK rq o'
Численность исследователей с учеными степенями	о O'	o'	СП o'
Индекс качества среды обитания	о o'	о o'	О o'
Индекс благосостояния населения	rq o'	OK o'	rq o'
Число зарегистрированных преступлений	00 o'	LT) rq o'	о о o'
Уровень безработицы	о o'	rq ^ o'	KO KO o'
Ожидаемая продолжительность жизни при рождении	KO rq o'	o'	О ^ o'
Коэффициент младенческой смертности	о o'	о o'	rq rq o'
Коэффициент миграционного прироста населения	00 o'	CN o'	я o'
Коэффициент естественного прироста населения	o'	2 o'	Ln o'
s s 5 ex ex я s я ■& Л	6 s Cd M о я S s Я U	я о s о к к s	я s к ’S ^ л £ Я к Cd IJ К 5S н я ^ я ^ Я О cd Ph СР К

□к О rq	eq LTj o'	Ok VO o'	Ok LO o'	Ok o'	rq VO o'	VO LO o'	rq V0 o'	00 V0 o'	rq LO o'
00 о rq	rq LTj o'	Ok KO o'	rq VO o'	^ o'	00 Ln o'	Ln LO o'	О VO o'	00 V0 o'	OK o'
о rq	00 o'	VO VO o'	00 LO o'	Ln o'	00 Ln o'	rq LO o'	00 LO o'	LT) V0 o'	^ o'
КО о rq	Ok o'	VO o'	о VO o'	Ln o'	Ok LO o'	Ln o'	Ln o'	LT) V0 o'	00 o'
m о rq	^ o'	Ln VO o'	о VO o'	^ o'	00 Ln o'	Ln o'	Ok LO o'	VO o'	00 o'
^ о rq	о Ln o'	Ln VO o'	00 Ln o'	VO o'	00 Ln o'	Ln o'	00 Ln o'	VO o'	о Ln o'
er О rq	о Ln o'	Ln VO o'	Ok LO o'	Ln o'	00 Ln o'	Ln o'	Ok LO o'	о VO o'	00 o'
rq о rq	00 o'	Ln VO o'	VO Ln o'	o'	Ln Ln o'	Ln o'	00 Ln o'	s o'	00 o'
H О rq	KO o'	Ln VO o'	Ln o'	rq o'	rq LO o'	Ln o'	00 Ln o'	rq V0 o'	OK o'
о о rq	Ln o'	Ok LO o'	о Ln o'	О o'	^ o'	00 o'	Ln o'	LT) LO o'	Ln o'
□к о о rq	Ln o'	VO Ln o'	^ o'	o'	00 o'	^ o'	Ln o'	LT) LO o'	5 o'
00 о о rq	KO o'	Ok LO o'	00 o'	я o'	о Ln o'	00 o'	Ln o'	LT) LO o'	9 o'
о о rq	5 o'	Ln LO o'	o'	Й o'	o'	^ o'	Ok o'	Ln o'	Ln o'
КО о о rq	o'	Ln o'	00 o'	Ln rq o'	о o'	o'	5 o'	^ o'	9 o'
in о rq	o'	00 o'	О o'	rq o'	О o'	o'	o'	o'	СП o'
я я 4» сх	к cd о Ph о cd UP cd « S Я О к Ph	к cd Ph cd £ cd * S Я О К Ph	’S cd Ph Й ’S S Ph cd re О к cd Ph	« cd Ph Й ’S s Ph c	H cd я VO о « re о Ph о S X	H cd я VO о « Ph cd s cd О	H cd я VO О s w я о г re Ри О	H cd я VO о	H cd я VO о s vo Я я

Как видно из таблицы 1, между компонентами индекса отсутствуют сильные корреляционные связи. Это означает, что они характеризуют различные аспекты результативности регионального управления и не дублируют друг друга.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

Используемые в качестве выходов модели показатели ИРРУ в период с 2015 по 2019 год представлены в таблице 2.

Из таблицы 2 следует, что Пермский край за весь исследуемый период имеет наименьший индекс результативности регионального управления в изучаемой выборке.

Однако стоит отметить, что в период с 2005 по 2009 год Пермский край увеличил ИРРУ до 0,33 (у Челябинской области, находившейся в 2009 году на 8-м месте, ИРРУ составил 0,41, а у занимавшего первое место Татарстана – 0,56). К 2012 году ИРРУ Пермского края увеличился до 0,44, в то время как ближайшие конкуренты – Челябинская область и Республика Башкортостан – достигли значения ИРРУ только 0,48, а лидер – Республика Татарстан – 0,65.

В период с 2013 по 2016 год ИРРУ Пермского края колебался в значениях от 0,45 до 0,47. ИРРУ Челябинской области и Республики Башкортостан как наиболее близких по значению показателя к Пермскому краю также не претерпевал существенных изменений и составлял от 0,47 до 0,5. Республика Татарстан в указанный период оставалась на первом месте; ее ИРРУ находился в границах от 0,65 до 0,67.

В период с 2017 по 2019 год ИРРУ Пермского края несколько увеличился и остановился на 0,49. Челябинская область и Республика Башкортостан достигли показателя ИРРУ к 2019 году в 0,52. Республика Татарстан сохранила лидерство с показателем 0,69.

Ниже приведены темпы роста индекса регионального управления в процентах к предыдущему году в период с 2006 по 2019 год (табл. 3).

В 2006 и 2007 годах Пермский край показывал наибольшие темпы роста ИРРУ (119 и 120 % к показателю прошлого года). Также стоит отметить, что в 2009 году Пермский край был единственным регионом, ИРРУ которого вырос. Это свидетельствует о том, что регион достаточно неплохо прошел кризис 2008 года. В целом в период с 2006 по 2009 год среднегодовые темпы роста индекса в Пермском крае составили 112,2 % (лучший показатель среди всех исследуемых регионов).

В 2010–2012 годах регион также сохранил лидерство по темпам роста ИРРУ (среднегодовые темпы роста составили 110,2 %), а наибольших темпов роста (116,7 %) удалось добиться в 2011-м. Среднегодовые темпы роста индекса других субъектов Российской Федерации в указанный период не превышали 106 %.

С 2013 по 2016 год среднегодовые темпы роста ИРРУ Пермского края заметно замедлились и составили всего 100,6 %. Особо стоит отметить 2016 год, когда данный показатель показал минимальное значение за весь исследуемый период – 95,7 %. Регионы-конкуренты также не демонстрировали

Таблица

04 © еЧ	о о	о	*"1 LO 04		04 40 О	со о	о	о о	8
0© © еч	co о	LO о	04 40 О		о о	со LT? о	^ о	40 ^ о
© еч	co 04	'Л co 04	40* 04	о	со 04	00 04	со о	о о	04 04
40 © еч	^ о	2	О О	04	о	О О	40 40 04	40 40 о	о
ID © e4	04	о о	о	еч S	о о	00 04	О	о о	40 04
© e4	о о	о о	со 04	еч S	о о	04 о	СО 04	о	еЧ
CD © e4	еч о	о о	^ LO О	8	'Л LO о	о о	О	*"1 LO 04	О
еч	CO		[X	оо	со	04		40
© e4	о	о	о	2	LO о	о	О о	о	со 04
	ГЧ	гч		^	40	^D			04
© e4	еч о	о'	00 о	2	о'	40 О	2	ёч	О
© © e4	о о	^ LT? о	40 о	8	04 04	еч о	о о	о о	8
04 © © e4	со 04	04 04	04 04	2	40 04	04 04	еч 40 04	о о	04
0©	^	СО		г-.	^		^	со	40
© © еч	04	о	04 О	о'	40 о	еч о	00 О	2	LD 04
	СО	со	СО		LT)	со		со	о.
© © еч	о	о	LO	еч		40 О		еч	^ о
4©		СО	40				еч	со	LT)
© © e4	еч	40 о	LO О			о	2	40 О	40 еч
я s 4» CM	К о см о W 3 cd W d * s R VO К CM	к si £ cd * S R 4© К CM	’S d СМ W ’S S * см cd r: о к см	’S й см й ’S S см о С	Л cd R V© о ГС о см о о S X	Л cd R VO О я cd W СМ cd S cd и	й cd R VO О я cd * Й о R ГС см о Й и	й cd R VO О Г cd * К О	й cd R Ю О 3 W к S 40 я R о

О)

co

.CO

высоких темпов роста, однако Нижегородская область, Краснодарский край, Тюменская область, Республики Татарстан и Башкортостан опередили Пермский край, который уступил лидерство и опустился на 6-е место.

В период с 2017 по 2019 год Пермский край снова показывал наилучшие среднегодовые темпы роста среди регионов-конкурентов, которые тем не менее в среднем за три года составили всего 102,9 %.

В целом за весь анализируемый период Пермский край оставался лидером по среднегодовым темпам роста ИРРУ (106,46 %), на втором месте с отставанием более чем на 2 п.п. расположилась Нижегородская область (104,12 %), далее в диапазоне от 103,94 % до 103,27 % следуют Свердловская область, Краснодарский край, Республика Башкортостан, Челябинская и Тюменская области. Замыкают список Республика Татарстан (102,71 %) и Самарская область (101,77 %).

Оценка эффективности регионального государственного управления предполагает не только достижение определенного результата, но и учет затраченных ресурсов. Ниже, в таблице 4, представлены результаты оценки эффективности методом DEA. Напомним, что при использовании данного метода эффективными считаются DMU (в нашем кейсе – регионы), которые лежат на границе производственных возможностей (ГПВ). Показатель эффективности таких регионов равен 1. Соответственно, чем ближе показатель к единице, тем эффективнее регион в данный момент времени.

Под затратами в исследовании понимаются расходы консолидированного бюджета субъекта Российской Федерации на душу населения, скорректированные на индекс бюджетных расходов.

Регионом с самой эффективной системой государственного управления за весь исследуемый период является Республика Татарстан, чья средняя оценка эффективности за 15 лет равна 1. На втором и третьем местах – Краснодарский край и Республика Башкортостан соответственно. Пермский край занимает последнее 9-е место.

Тем не менее стоить отметить, что в период с 2005 по 2015 год Пермский край из года в год увеличивал показатель эффективности регионального управления, за исключением 2014 года, когда показатель остался на том же уровне, что и в 2013-м. Так, в 2005 году показатель эффективности был самым низким среди исследуемых субъектов Российской Федерации и составлял всего 0,51, а у Республики Башкортостан, занимавшей предпоследнее 8-е место, он был равен 0,88. Уже к 2010 году эффективность Пермского края выросла до 0,71, а к 2015-му достигла 0,88, максимального значения в анализируемый период. Кроме того, регион сократил отставание от ближайших конкурентов (0,71 против 0,91 у Самарской области), а в 2015 году уже опередил Самарскую область (0,88 против 0,85) и занял 8-е место.

С 2016 по 2018 год наблюдается постепенное снижение показателей эффективности Пермского края до 0,79. Показатели ближайших конкурентов (Челябинская и Самарская области) варьируются от 0,81 до 0,91. В 2019-м эффективность регионального управления в Пермском крае составляла 0,83.

Отсутствие стабильной положительной динамики показателя эффективности в Пермском крае связано с тем, что в 2013–2019 годах темпы роста в регионе по ряду показателей ИРРУ по сравнению с регионами-конкурентами существенно снизились. Так, по среднегодовым темпам роста ожидаемой продолжительности жизни Пермский край опустился с 1-го (2005–2012) на 7-е (2013–2019) место, подындексам благосостояния и качества среды обитания – с 3-го на 6-е, по численности студентов – со 2-го на 7-е место.

ЗАКЛЮЧЕНИЕ

В ходе проведенного исследования были получены следующие результаты.

Во-первых, разработан агрегированный показатель «Индекс результативности регионального управления», который отражает достижение исполнительными органами государственной власти субъектов Российской Федерации результатов в развитии экономики и человеческого потенциала.

Во-вторых, для оценки эффективности регионального управления апробирован метод Data Envelopment Analysis, который позволяет оценить не только достижение целей социально-экономического развития, но и соотношение затраченных ресурсов и полученных результатов, что достаточно редко используется в отечественной практике оценки эффективности деятельности органов публичного управления.

Наконец, проведена оценка эффективности регионального управления Пермского края и регионов-конкурентов в период с 2005 по 2019 год. Исходя из результатов данной оценки можно отметить, что первая половина изучаемого периода была для Пермского края наиболее успешной как по темпам роста показателей результативности регионального управления, так и по динамике эффективности регионального управления. В последующий период ИРРУ и показатель эффективности Пермского края существенно не менялись, а сократить отставание от регионов-конкурентов так не удалось.

Дальнейшее направление исследований видится в оценке эффективности регионального управления в пандемийный период, характеризовавшийся разнообразием реализованных в субъектах Российской Федерации практик поддержки бизнеса и населения. Интерес представляет и адаптация регионов к санкционному давлению со стороны недружественных стран.