Оценка влияния туристической отрасли на региональный экономический рост в периоды системных ограничений и восстановления

EDN:

Туризм – одна из отраслей мировой экономики, оказывающих значительное влияние на валовой внутренний продукт (ВВП), занятость и развитие инфраструктуры. По данным Всемирной туристской организации ( United Nations World Tourism Organization , UNWTO ), до пандемии COVID-19 туризм составлял около 10 % мирового ВВП и обеспечивал каждое десятое рабочее место¹. Данный сектор стимулирует экономический рост через мультипликативный эффект, затрагивая смежные отрасли, такие как транспорт, гостиничный бизнес, общественное питание и розничная торговля².

Согласно прогнозам Всемирного совета по туризму и путешествиям ( World Travel and Tourism Council , WTTC ), к 2032 г. туризм составит 11,5 % от мирового ВВП (по сравнению с 10,4 % в 2019 г., до пандемии) и обеспечит 430 млн рабочих мест по всему миру, или примерно 12 % от общей занятости. В некоторых странах (Испании, Греции и Таиланде) доля занятости в туризме уже увеличилась до 20–25 %³.

Количество международных туристических прибытий, по оценкам UNWTO, к 2030 г. достигнет 1,8 млрд чел., что на 50 % больше, чем в 2019 г. при среднегодовых темпах роста в 2023–2030 гг. 3–4 %. Наиболее быстрый рост ожидается в Азиатско-Тихоокеанском регионе, особенно в Китае и Индии. Основные факторы: растущий средний класс и улучшение транспортной инфраструктуры4.

После пандемии COVID-19 наблюдается значительный рост внутреннего туризма, доля которого к 2030 г. в общем объеме туристических поездок может составить до 80 %5.

На фоне мировых показателей туристический сектор России сохраняет значительный потенциал для ускорения темпов роста и усиления роли в развитии экономики как страны в целом, так и ее отдельных территорий. К 2035 году прогнозируется увеличение объема туриндустрии (и внутренней, и въездной) относительно 2017 г. больше, чем в 5 раз (с 3 158 до 16 306 млрд руб.)6. Повышенный интерес к локальным направлениям объясняется изменением потребительских предпочтений в сторону культурного, сельского и экотуризма, а также низкими затратами7.

При этом особую роль в экономической политике в 2020-е гг. играют санкции, которые используются все чаще и все шире (от преимущественно торговых огра- ничений до финансовых, туристических и прочих), как отмечают Г. Фелбермайр и соавторы [1]. Санкционные меры, введенные в 2014 г. (первая волна) и усиленные в 2022 г. (вторая волна), оказали прямое влияние на развитие изучаемой отрасли в России: первая волна привела к некоторому перераспределению туристических потоков в пользу внутреннего туризма, вторая - к глубокой структурной трансформации отрасли. Международный опыт (Ирана, Кубы, Турции) демонстрирует, что ограничения могут стимулировать развитие нишевых форм туризма и повышение качества услуг для внутренних потребителей8. Однако адаптационная стратегия должна учитывать геополитические вызовы и обеспечить вклад в инклюзивный экономический рост.

Цель настоящей работы - оценить влияние развития сектора туризма на экономический рост регионов в периоды ограничений, связанных с пандемией, а также началом второй волны санкций, и восстановления.

ОБЗОР ЛИТЕРАТУРЫ

Согласно экономической гипотезе роста, опирающейся на особый вклад туристической отрасли ( Tourism-led growth economic hypothesis , TLGH) ⁹, последняя является ключевым драйвером экономического роста благодаря мультипликативному эффекту, созданию рабочих мест и притоку иностранной валюты. Универсальность и устойчивость такого роста были нарушены беспрецедентным вызовом, связанным с пандемией COVID-19. Исследования показывают, что ограничения на передвижение, закрытие границ и карантинные меры в 2020 г. привели к сокращению международных туристических потоков на 70–80 % [2]. Это вызвало значительное снижение доходов, что, в свою очередь, негативно сказалось на экономике ряда стран, особенно тех, где туризм – основной источник доходов (например, Испании, Греции, Таиланда).

Адаптация к постпандемическим условиям повлекла за собой восстановление туристических потоков [3] и рост популярности внутреннего туризма [4]. Многие компании внедрили онлайн-платформы для бронирования, виртуальные туры и усиленные меры безопасности, что позволило частично компенсировать потери.

Подобная динамика для сектора не уникальна. Х. Сонг, Л. Дуайер, Дж. Ли и З. Цао, исследовав периоды экономического восстановления после кризисов, показали положительное влияние туризма на диверсификацию экономики за счет снижения зависимости от традиционных отраслей10. По данным UNWTO, в 2022 году наблюдался значительный рост туристических потоков, что связано с ослаблением ограничений и восстановлением спроса11. Однако темпы восстановления отличались неравномерностью: высокие в Европе и Северной Америке, низкие – в Азии и Африке [5; 6].

Для международного туризма, как и для внутреннего, решающее значение имеют политическая обстановка и геополитические флуктуации, к которым можно отнести войну санкций и контрсанкций. Так, в ответ на меры 2014 года российский туристический сектор нарастил предложения для внутренних пользователей [7], что отмечается в работах [8; 9]. Это отчасти подготовило правительство и отрасль ко второй волне. По мнению отечественных ученых, роль внутреннего туризма в экономике в условиях санкций и последующий период будет только расти [10–13].

Факторами быстрого восстановления выступают государственная финансовая поддержка, включая субсидии, налоговые льготы и инвестиции в туристическую инфраструктуру, а также содействие рынку труда через создание новых рабочих мест в смежных областях, например в транспортной сфере, строительстве, общественном питании и др.12 [14]. Так, после завершения активной фазы эпидемии количество рабочих мест в мире, созданных туризмом, постепенно вернулось на допандемийный уровень (около 300 млн)13. Генерация туризмом широкого денежного потока положительно влияет на дефицит платежного баланса и дает импульс для производственной сферы [15], а также для развития конкретных территорий; способствует привлечению инвестиций в местную инфраструктуру [16] и обеспечивает эффект масштаба14.

Анализ современных исследований позволяет выделить несколько преобладающих методологических подходов к оценке влияния туризма на экономику, каждый из которых имеет ограничения в контексте данного исследования. Прежде всего, это макроуровневый и страновой анализ, которому посвящена значительная часть работ, например [17]. Несмотря на ценность выводов, данный подход не учитывает существенную внутреннюю региональную дифференциацию, что критически важно для стран с большой территорией и разнородной экономикой, таких как Россия.

Публикации, фокусирующиеся на региональном разрезе, в частности [18; 19], демонстрируют неоднородность влияния туризма. В российской практике его роль как драйвера развития регионов также подтверждается [20–22]. Однако многие подобные исследования опираются на простые регрессионные модели или анализ кросс-секционных данных, что не позволяет учесть ненаблюдаемые специфичные особенности территорий и проследить их динамику.

Анализ эффективности инструментов государственной политики в отношении развития туризма осуществляется в работах, посвященных занятости, инфраструктуре [23–25] и фискальным стимулам [26]. Тем не менее эмпирическая оценка эффективности конкретных инструментов (налоговых льгот, особых экономических зон (ОЭЗ)) в условиях одновременного действия нескольких кризисных шоков практически отсутствует. Имеющиеся исследования либо носят теоретический характер, либо анализируют стабильные периоды, что не позволяет экстраполировать их выводы на ситуацию «кризисного триптиха» [27–29], либо выявляют обратные взаимосвязи [30].

Проведенный обзор литературы выявил серьезные методологические пробелы: преобладание макроуровневого анализа и недостаток исследований, учитывающих региональную специфику России; отсутствие методик, адаптированных для оценки последствий комплексных кризисных шоков (пандемии, санкций, фискальных импульсов), когда отрасль подвергалась бы воздействию нескольких разнородных факторов одновременно; недостаточная эмпирическая проверка эффективности конкретных инструментов государственной поддержки (налогов, ОЭЗ) в таких условиях.

Настоящее исследование позволяет учесть региональную неоднородность, охватить период совместного воздействия нескольких кризисов и оценить устойчивость связи туризма и экономического роста в этих уникальных условиях, протестировать статистическую значимость факторов государственной политики (налоговых льгот, субсидий, ОЭЗ), включив их в регрессионные модели для оценки реального вклада в валовую добавленную стоимость туриндустрии.

МАТЕРИАЛЫ И МЕТОДЫ

Эмпирические данные. Материалом исследования послужили данные Федеральной службы государственной статистики (Росстат) о развитии отрасли туризма за период 2019–2022 гг., Министерства финансов Российской Федерации о межбюджетных трансфертах, предоставленных бюджетам субъектов РФ на цели, связанные с развитием туризма, об эффективности налоговых расходов¹⁵, размещенные на официальных сайтах органов власти.

Исходная рамка временнóго периода объясняется тем, что расчет показателей валовой добавленной стоимости туристической индустрии (GAVT) в субъектах РФ по действующей методологии стал проводиться с 2019 г. Мерой экономического роста был выбран темп увеличения валового регионального продукта (GDP).

Период исследования (2019–2022 гг.) помимо доступности официальной статистики в разрезе субъектов РФ представляет собой уникальное сочетание трех кризисных факторов (пандемия, вторая волна санкций, фискальные импульсы), требовавших особых адаптационных механизмов в отрасли. Фундаментальной основой комплексных мер государственной поддержки туризма в России, формирование которых началось с 2019 г., стали Стратегия развития туризма на период до 2035 года16 (2019 г.), национальный проект «Туризм и индустрия гостеприимства» (2021–2024 гг.), Государственная программа Российской Федерации «Развитие туризма»17 (2021 г.), а также сопряженные с ними программы.

Форсированное развитие сектора туризма в условиях ковидных ограничений, санкций второй волны и фискальных импульсов рассматривалось на панельных данных 84 российских регионов. Мерой динамики отрасли служили показатели туристической активности (TA) и туристического масштаба (TS), который учитывался для повышения надежности анализа. В качестве переменной выступало количество размещенных лиц в коллективных средствах размещения, но в расчете на душу населения. Похожий подход использовался в работе А. Алкала-Ордонеса и соавторов [31].

Также учитывалось функционирование в ряде регионов особых экономических зон туристско-рекреационного типа (ОЭЗ ТРТ), поскольку их механизм предполагает наличие встроенных налоговых стимулов для организаций, зарегистрированных как резиденты соответствующей зоны. В число показателей бюджетного стимулирования вошли трансферты из федерального в региональные бюджеты на цели, связанные с поддержкой туристической отрасли.

Методология исследования. Теоретической основой исследования выступила гипотеза о ведущей роли туризма в экономическом росте, адаптированная к условиям системных ограничений. Эмпирическая проверка гипотезы заключалась в оценке влияния туристической активности на экономический рост с учетом кризисных факторов и региональной специфики.

Для проведения эконометрического анализа формировался комплекс переменных, включающий зависимые, независимые и контрольные показатели.

Зависимыми переменными, характеризующими результаты экономического развития и состояние туриндустрии, служили темп роста валового регионального продукта, рассчитываемый как процентное изменение значения текущего года к предыдущему, и объем валовой добавленной стоимости туристической индустрии (млн руб. в постоянных ценах), полученные из данных Росстата.

Независимыми переменными, описывающими развитие отрасли, стали туристическая активность, измеряемая как количество размещенных лиц в коллективных средствах размещения (тыс. чел.), и туристический масштаб – расчетный показатель активности на душу населения, также полученные из данных Росстата.

Группу контрольных переменных (государственной политики) составили: фиктивный показатель налоговых льгот (TE), принимающий значение 1 при наличии целевых льгот для туриндустрии в регионе и году (данные Федеральной налоговой службы России18), объем бюджетных субсидий (SS), млн руб. (рассчитанный на основе информации о межбюджетных трансфертах от Минфина России), а также фиктивная переменная наличия особой экономической зоны туристско-рекреационного типа (SEZ), принимающая значение 1 при ее наличии, 0 – при отсутствии (по сведениям Минэкономразвития России).

Этапы исследования. На первом решалась задача оценки взаимоувязанности показателей экономического роста, выраженного в валовом региональном продукте, и развития отрасли туризма, выраженного как валовая добавленная стоимость туристической индустрии, в период 2019–2022 гг.

На втором этапе оценивалось влияние вариации туристической активности и туристического масштаба на экономический рост с учетом показателя налоговых льгот. Применение панельных данных позволило получить более гибкие результаты.

При проведении эконометрического моделирования (регрессионного анализа панельных данных) оценивались три основных типа моделей для проверки устойчивости результатов: объединенных данных ( Pooled Model , PM ), где применялся метод наименьших квадратов без учета индивидуальных особенностей регионов; с фиксированными эффектами ( Fixed Effects Model , FEM ), позволяющая контролировать ненаблюдаемые, но постоянные во времени характеристики регионов (например, географическое положение, культурный потенциал), которые могут коррелировать с регрессорами; со случайными эффектами ( Random Effects Model , REM ), предполагающая, что индивидуальные особенности регионов случайны и некоррелированны с независимыми переменными.

На третьем этапе рассматривалось влияние политики налоговых льгот и бюджетного стимулирования на динамику валовой добавленной стоимости туристической индустрии. Методология регрессионного анализа включала оценку влияния на формирование добавленной стоимости отрасли (GAVT) показателей туристической активности (TA), туристического масштаба (TS), налоговых расходов, направленных на поддержку организаций и индивидуальных предпринимателей, которые ведут деятельность в сфере туризма (TE), межбюджетных трансфертов на поддержку развития туризма (SS), наличия в регионе ОЭЗ ТРТ (SEZ).

На четвертом этапе на основе данных об изменении показателей GAVT, TA, TS в 2022 г. относительно 2019 г. проводилась типологизация регионов. В результате были получены показатели GAVTt, TAt, TSt в разрезе субъектов РФ. Методом k -средних ( k -means), который позволяет разбить данные на k кластеров на основе сходства значений признаков, имеющиеся данные были разделены на четыре кластера.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

Влияние туристической активности и туристического масштаба на региональный экономический рост. Результаты анализа влияния туризма на региональный экономический рост противоречивы. Модель объединенной регрессии предполагает, что анализируемые объекты лишены специфических различий (табл. 1).

Т а б л и ц а 1. Моделирование влияния туристической активности и туристического масштаба на региональный экономический рост ¹⁹

T a b l e 1. Modeling the impact of tourism activity and tourism scale on regional economic growth

Модель / Model	Параметр / Parameter	Коэффициент / Coefficient	Стандартная ошибка / Standart error	p -значение / p -value	Показатели качества модели / Model quality indicators
1	2	3	4	5	6
const         0,8623        0,0228       4,27e-54 ***          R ² = 03412 AIC = - 59 , 9,1528 PM       TA          0,2264       0,0217      9,92e-17 ***       BIC = – 587,7015 DW = 1,324 TS           0,0020        0,0007         0,009 **            ρ = 0,104351

19 Таблицы 1, 2 составлены авторами на основе данных Росстата о развитии отрасли туризма за период 2019–2022 гг., Минфина России о межбюджетных трансфертах: Федеральная служба государственной статистики… ; Предоставление межбюджетных трансфертов…

	Окончание табл. 1 / End of table 1
1        2 J 3	4               5                     6
const         0,0987 FEM      l_TA        0,0427 l_TS         0,0008 const         0,0926 REM      l_TA        0,1933 l_TS         0,0103	0,0015       4,17e-74***          R ² = 0,6169 0,0337         0,209          AIC = - 721,4128 0,0060          0,892           BIC = - 393,1413 0,0054       3,31e-66 ***       AIC = - 709,8194 0,0192       7,01e-24 ***        BIC = - 698,3681 χ ² = 43,7021 0,0052         0,048 **           p = 3,23753е-10

Примечания / Notes . 1) В табл. 1, 2 зависимая переменная: GAVT / In tables 1, 2 dependent variable: GAVT; 2) *, **, *** – указывает значимость на уровне 10, 5 и 1 % соответственно / *, **, and *** indicate significance at the 10, 5, and 1 % level, respectively; 3) const – константа, l_TA – логарифм ТА, l_TS – логарифм ТS / const – constant, l_TA – logarithm of TA, l_TS – logarithm of TS; 4) R ² – коэффициент детерминации, DW – критерий Дарбина–Уотсона, AIC – информационный критерий Акаике, BIC – Байесовский информационный критерий, ρ – коэффициент автокорреляции остатков / R ² – coefficient of determination, DW – Durbin–Watson criterion, AIC – Akaike information criterion, BIC – Bayesian information criterion, ρ – autocorrelation coefficient of the residuals.

Анализ регрессионной статистики показал, что туристическая активность (ТА) и туристический масштаб (TS) оказывают статистически значимое положительное влияние на валовой региональный продукт. Однако модель объясняет лишь 34 % вариации зависимой переменной, что свидетельствует о существенной роли неучтенных факторов в формировании экономического роста.

Высокая статистическая значимость коэффициентов указывает на то, что PM-модель может быть полезной для прогнозирования величины зависимой переменной. Однако диагностическая проверка выявила признаки автокорреляции остатков, что обосновало необходимость применения альтернативных модельных спецификаций.

Для решения проблемы автокорреляции была оценена модель фиксированных эффектов с логарифмическим преобразованием (FEM), которая демонстрирует более высокую объяснительную способность, однако выявляет признаки отрицательной автокорреляции. В этой спецификации коэффициенты при регрессорах TA и TS оказываются статистически незначимыми. Такой результат можно интерпретировать как отсутствие влияния показателей динамики туризма на экономический рост, что, вероятно, связано с действием ненаблюдаемых индивидуальных эффектов регионов.

Модель случайных эффектов (REM) показывает, что переменные l_TA и l_TS статистически значимо влияют на результат, и в целом хорошо описывает данные. При этом тест Хаусмана указывает на потенциальную несостоятельность оценок, что требует дополнительного анализа.

Таким образом, в рассмотренной временнóй ретроспективе однозначного подтверждения влияния туризма на экономический рост не было получено.

Дополнительно проводился анализ взаимосвязи экономического роста и сферы туризма с учетом показателя целевых налоговых льгот (налоговых расходов, TE). Во всех трех спецификациях (PM, FEM и REM) коэффициенты при регрессоре TE оказались статистически незначимыми, что позволяет сделать вывод об отсутствии влияния налоговых льгот на исследуемую зависимость в заданных условиях.

Влияние налоговых льгот на валовую добавленную стоимость туристической индустрии проанализировано в таблице 2.

Т а б л и ц а 2. Моделирование влияния налоговых льгот на валовую добавленную стоимость туристической индустрии

T a b l e 2. Modeling of the impact of tax incentives on the gross added value of the tourism industry

Модель / Model	Параметр / Parameter	Коэффициент / Coefficient	Стандартная ошибка / Standart error	p -значение / p -value	Показатели качества модели / Model quality indicators
	const	0,6680	0,0294	4,05e-38 ***
	TA	0,4090	0,0249	2,98e-28 ***	R ² = 0,5683
PM	TS	- 0,0028	0,0011	0,014 **	AIC = - 323,3723
	TE	- 0,0159	0,0267	0,552	BIC = – 587,7015
	SEZ	- 0,0724	0,0269	0,008 ***
	SS	0,1000	0,1017	0,328
	const	0,8505	0,0864	9,48e-16 ***
	TA	0,2278	0,0786	0,005 ***	R ² = 0,7391
FEM	TS	0,0014	0,0018	0,457	AIC = - 281,7833
	TE	0,0048	0,0301	0,875	BIC = 45,4449
	SEZ	0,0102	0,0297	0,731
	SS	0,0975	0,0921	0,293
	const	0,6698	0,0297	7,10e-113 ***
	TA	0,4067	0,0251	8,46e-59 ***	R ² = 0,5683
REM	TS	- 0,0026	0,0011	0,019 **	AIC = - 323,3430
	TE	- 0,0146	0,0267	0,585	BIC = - 302,0021
	SEZ	- 0,0695	0,0268	0,009 ***
	SS	0,0992	0,1012	0,327

Формирование добавленной стоимости туристической индустрии может быть объяснено на 57 % вариацией факторов TA, TS, SS, SEZ, так как коэффициент детерминации в модели объединенной регрессии ( R -квадрат) равен 0,5683. Коэффициент при TA значим и имеет положительный знак, т. е. туристическая активность равнонаправленно влияет на валовую добавленную стоимость отрасли. Коэффициент при TS значим, но имеет отрицательный знак, т. е. туристический масштаб обратнонаправленно влияет на валовую добавленную стоимость отрасли. Коэффициент при TE не оказывает значимого влияния на GAVT. Влияние фактора SEZ значимо и также обратнонаправленно, т. е. характер влияния ОЭЗ не очевиден.

Другими словами, в модели объединенной регрессии лишь туристическая активность оказывает значимое положительное влияние на отрасль, тогда как эффект туристического масштаба и наличия особых экономических зон отрицательный, налоговых льгот и субсидий – незначим.

В FEM-модели значимым оказался только показатель туристической активности (TA); остальные факторы (TS, TE, SEZ, SS) статистически незначимы. При этом значение скорректированного R -квадрата (0,085) указывает на то, что модель с фиксированными эффектами плохо подходит для прогнозирования.

В модели со случайными эффектами значимы параметры TA, TS и SEZ; незначимы – TE и SS. Автокорреляция остатков отсутствует, модель в целом адекватно объясняет вариацию зависимой переменной.

Результаты моделей объединенной регрессии и случайных эффектов в целом согласуются, но модель случайных эффектов менее надежна.

Корреляционный анализ показателей валового регионального продукта и валовой добавленной стоимости туристической индустрии, проведенный по данным Росстата за период 2019–2022 гг., отразил умеренную положительную связь, коэффициент корреляции – 0,5371. Однако период наблюдения для анализа влияния предикторов на искомый показатель слишком короткий для того, чтобы делать уверенные выводы о причинно-следственных связях.

Типологизация субъектов Российской Федерации. Для выявления региональных особенностей развития туризма был проведен кластерный анализ методом k -средних на основе динамики показателей GAVT, TA и TS за 2022 г. относительно 2019 г. Выделены четыре кластера (табл. 3), характеризующиеся специфической траекторией развития туристической индустрии в период кризисных вызовов.

Т а б л и ц а 3. Результаты типологизации субъектов Российской Федерации ²⁰

T a b l e 3. Results of the typology of the constituent entities of the Russian Federation

Характеристика кластера / Cluster Characteristics

Особенности развития туризма в кластере / Features of Tourism Development in the Cluster

Рекомендации по развитию туризма в кластере / Recommendations for Tourism Development in the Cluster

0 – Кластер Республики Алтай ( 1 регион ) / 0 – Republic of Altai Cluster ( 1 region )

GAVTt: 1,23;

TAt: 0,52;

TSt: 0,56

Экстремальные значения показателя туристической активности / Extreme values of the tourism activity indicator

Ключевая роль туризма в экономике региона предполагает сохранение и развитие потенциала отрасли / The key role of tourism in the region's economy suggests the need to preserve and develop the industry's potential

1 – Кластер регионов – « туристических доноров » ( 12 регионов ) / 1 – Cluster of “ Tourism Donor ” Regions ( 12 regions )

GAVTt:

0,19 – 0,60;

TAt: 0,12 – 2,20;

TSt: 0,01–0,56

Туризм играет значительную Важно поддерживать и наращивать туристи-

роль в экономике, но туристическая активность и туристический масштаб не всегда высоки / Tourism plays a significant role in the economy, but tourism activity and tourism scale are not always high

ческую активность, а также развивать инфраструктуру и повышать качество туристических услуг / It is important to maintain and increase tourism activity, as well as to develop infrastructure and improve the quality of tourist services

2 – Кластер регионов с « потенциальными точками роста » ( 27 регионов ) /

2 – Cluster of Regions with “ Potential Growth Points ” ( 27 regions )

GAVTt:

0,37 – 0,45;

TAt: – 0,12 – 0,29;

TSt: – 0,07 – 0,11

Значительное падение валовой добавленной стоимости туристической индустрии. Отрицательные туристическая активность и туристический масштаб / A significant decline in the gross value added of the tourism industry. Negative tourism activity and tourism scale

Необходимы меры по стимулированию внутреннего туризма, развитию инфраструктуры и повышению конкурентоспособности туристических продуктов / These regions require measures to stimulate domestic tourism, develop infrastructure, and enhance the competitiveness of tourist products

20 Составлена на основе расчетов авторов, представленных в таблицах 1, 2.

Окончание табл. 3 / End of table 3

3 – Кластер регионов « зоны внимания » ( 33 региона ) /

3 – Cluster of “ Attention Zone ” Regions ( 33 regions )

GAVTt: – 1,97 – (– 0,03);

TAt: – 0,39 – 0,17;

TSt: – 0,46 – 0,08

Требуется разработка специальных программ по развитию туристического потенциала / Special programs for developing tourism potential need to be designed

Близкие к нулю показатели; характерен «столичный» эффект, когда туризм не является ключевым драйвером экономического развития / Indicators close to zero. The “capital” effect is typical, where tourism is not a key driver of economic development

Кластерный анализ выявил существенную региональную дифференциацию в адаптации туристического сектора к кризисным условиям. Наибольший научный интерес представляет противоположная динамика в кластерах 1 и 2: регионы с сопоставимыми показателями туристической активности продемонстрировали принципиально разные траектории изменения добавленной стоимости. Это свидетельствует о наличии ненаблюдаемых факторов эффективности, таких как качество туристической инфраструктуры, уровень диверсификации туристического продукта и эффективность управления отраслью на региональном уровне.

Обособление Республики Алтай в качестве отдельного кластера подтверждает гипотезу о существовании территорий с уникальными адаптационными механизмами. Характерными примерами выступают в кластере 1 – Республика Дагестан, Калининградская область, Республика Карелия как регионы с устойчивым развитием туриндустрии; в кластере 2 – Белгородская, Воронежская и Липецкая области как регионы с нереализованным туристическим потенциалом; в кластере 3 – Краснодарский край как регион, где туризм не является драйвером роста, несмотря на объективные предпосылки.

Полученная типология имеет важное практическое значение для разработки актуальной региональной политики. Так, для кластера 0 целесообразна стратегия поддержки лидера с акцентом на экспорт туристических услуг и развитие смежных отраслей. Регионы кластера 1 требуют трансформации туристической активности в устойчивый экономический эффект через повышение качества услуг и глубины переработки. Кластеру 2 необходимы программы структурной перестройки туриндустрии. Наконец, кластер 3 нуждается в фундаментальном пересмотре роли туризма в региональной экономической стратегии с учетом конкурентных преимуществ территорий.

Результаты кластеризации дополняют и конкретизируют выводы регрессионного анализа. Выявленная неоднозначность влияния туристического масштаба на экономический рост обусловливается территориальной спецификой: в кластерах 0 и 1 рост масштаба сопровождается увеличением добавленной стоимости, тогда как в кластерах 2 и 3 наблюдается обратная зависимость. Это подтверждает необходимость учитывать региональный контекст при разработке мер поддержки туриндустрии и объясняет ограниченную эффективность унифицированных подходов в условиях разнородности российских регионов.

ОБСУЖДЕНИЕ И ЗАКЛЮЧЕНИЕ

Проведенное исследование позволило комплексно оценить влияние туристической деятельности на экономический рост российских регионов в уникальных условиях «кризисного триптиха» – одновременного воздействия пандемии, санкционных ограничений и фискальных импульсов.

Выделены четыре кластера с уникальными траекториями развития: экстремальный кластер (Республика Алтай) с аномально высокой зависимостью от туризма; «туристические доноры», обладающие высокой устойчивостью к кризисам; «точки роста», характеризующиеся потенциалом для ускоренного развития; «зоны внимания», требующие адресной господдержки. Причисление городов Москвы и Санкт-Петербурга к кластеру «зоны внимания» не следует соотносить с низкой значимостью туристической отрасли для местной экономики. Напротив, в абсолютном выражении их вклад в валовую добавленную стоимость туриндустрии страны является одним из наиболее существенных. Небольшие относительные показатели динамики в данном случае объясняются, прежде всего, серьезным объемом валового регионального продукта этих субъектов, на фоне которого даже крупная туристическая отрасль имеет меньший удельный вес. Кроме того, метод расчета изменений в сравнении с 2019 г. мог не в полной мере уловить структурные сдвиги в туристических потоках мегаполисов.

Полученные результаты свидетельствуют о сложном и неоднозначном характере влияния туризма на экономический рост регионов, что требует дифференцированного подхода к его интерпретации. Эконометрический анализ подтвердил значимость туристической активности как фактора экономического роста, однако выявил существенные ограничения применимости моделей. Модель объединенной регрессии показала статистически значимое положительное влияние туристической активности на валовой региональный продукт, объясняя 34 % его вариации. В то же время модели с фиксированными и случайными эффектами продемонстрировали противоречивые результаты. При этом несостоятельность последней ограничивает возможности ее использования для прогнозирования.

Особого внимания заслуживает неоднозначная роль туристического масштаба, в отдельных спецификациях оказывавшего отрицательное влияние на добавленную стоимость туриндустрии. Парадокс находит объяснение в результатах кластерного анализа, выявившего существенную региональную дифференциацию. Так, в кластерах 0 и 1 рост туристического масштаба сопровождается увеличением добавленной стоимости, однако в кластерах 2 и 3 наблюдается обратная зависимость, что свидетельствует о наличии ненаблюдаемых факторов эффективности, таких как качество инфраструктуры и уровень диверсификации туристического продукта. Это позволяет в рамках дальнейших исследований выдвинуть гипотезу о том, что в условиях кризиса ключевыми факторами эффективности становятся качественная структура туристического потока и способность местной экономики его монетизировать.

Критическому пересмотру подверглась эффективность мер государственной поддержки. Налоговые льготы не продемонстрировали статистически значимого влияния на развитие отрасли, особые экономические зоны туристско-рекреационного типа показали негативный эффект – традиционные фискальные инструменты могут не достичь заявленных целей. Вероятно, полученные результаты обусловлены периодом пандемии, который привнес в отраслевую динамику критический спад.

Проведенное исследование вносит вклад в развитие теоретической базы в изучении влияния туризма на экономический рост в условиях системных ограничений (пандемия, санкции, фискальные импульсы).

• (1)    Эмпирическая проверка гипотезы TLGH в условиях кризисных шоков выявила, что туристическая активность сохраняет положительную связь с экономическим ростом, однако ее влияние неоднозначно и зависимо от региональных особенностей и выбора спецификации модели.

• (2)    Разработана методология оценки вклада туризма с использованием панельных данных, а также кластерного анализа, что позволяет учитывать региональную дифференциацию и адаптационные механизмы отрасли.

• (3)    Определена неоднозначная роль налоговых стимулов, в том числе предоставляемых через механизм особых экономических зон: вопреки ожиданиям, их влияние оказалось статистически незначимым, что требует пересмотра моделей стимулирования туризма через фискальные инструменты.

• (4)    Доказана устойчивость внутреннего туризма как драйвера экономического роста в условиях внешних шоков, что согласуется с концепцией туристической резильентности ( resilience tourism ).

• (5)    Показано, что кризисы не нивелируют, а трансформируют вклад туризма в экономику, смещая фокус с международных потоков на внутренние.

Практические результаты заключаются в следующем:

• 1)    предложены дифференцированные меры поддержки регионов в соответствии с типами кластеров: для «туристических доноров» – инфраструктурные инвестиции и продвижение на международных рынках; для регионов с «точками роста» – стимулирование внутреннего туризма через субсидии и развитие цифровых платформ; для «зон внимания» – формирование специализированных программ развития туристического потенциала, включая налоговые льготы для малого бизнеса. Кластерный анализ выявил территории, где туризм может стать драйвером роста (например, Республика Дагестан, Калининградская область), и требующие корректировки стратегии (г. Москва, Санкт-Петербург);

• 2)    определена необходимость корректировки фискальной политики путем пересмотра эффективности налоговых льгот в ОЭЗ ТРТ с учетом их ограниченного влияния на добавленную стоимость и смещения акцента с прямых субсидий на инфраструктурные проекты и цифровизацию отрасли. Эффект сверхдоходности в ОЭЗ ТРТ предупреждает о рисках перекоса в сторону отдельных сегментов (в частности, ресторанного бизнеса);

• 3)    обоснована важность учета кризисных факторов при разработке антикризисных программ поддержки туриндустрии с опорой на опыт пандемии и санкций, а также в рамках развития механизмов страхования рисков для туристического бизнеса.

Ограничения исследования определяются рядом положений. Интерпретация результатов ограничена сравнительно небольшим временны́ м горизонтом, охватывающим период кризисных шоков, что не позволяет экстраполировать выводы на стабильные экономические условия. Разные спецификации модели показали невозможность в рамках данного подхода учесть все ненаблюдаемые региональные особенности, влияющие на эффективность туриндустрии, что свидетельствует о необходимости применения более сложных методов с учетом качественных изменений в структуре спроса, например факторов цифровизации услуг, экологической устойчивости дестинаций и др.

Таким образом, перспективы дальнейших исследований связаны с расширением временно́го горизонта анализа; углубленным изучением влияния инфраструктурных факторов, а также экологической устойчивости туристических кластеров; применением более сложных эконометрических методов, учитывающих эндогенность (в частности, модели инструментальных переменных) и нелинейность взаимосвязей; дополнением количественного анализа качественными кейс-стади по регионам из разных кластеров для выявления конкретных механизмов адаптации и успешных практик.

Несмотря на неоднозначность эконометрических результатов, настоящее исследование существенно дополняет понимание роли туризма в экономике России в условиях беспрецедентных вызовов. Ценностными исследовательскими результатами выступают пилотное выявление сложных взаимосвязей, практико-ориентированная типологизация регионов и определение вектора для будущих детализированных исследований в этой критически важной для достижения национальных целей развития страны области.