Полюса роста неоиндустриального экспорта регионов России

Актуальность данного исследования заключается в необходимости поиска потенциальных полюсов роста экспорта высокотехнологичной продукции, а также экономических и производственных агломераций, способных создавать данную продукцию. Введенные странами ЕС и США санкции накладывают серьезные ограничения на импорт высокотехнологичной продукции, а единственным способом развития высокотехнологичного производства выступает импортозамещение.

Стимулирование экспорта высокотехнологичной продукции закреплено в следующих нормативно-правовых документах: Основные направления деятельности Правительства России на период до 2024 г., Указ Президента России «О национальных целях и стратегических задачах развития РФ на период до 2024 г.» № 204 от 07.05.2018 г., Стратегия развития экспорта услуг до 2025 г., Национальный проект «Международная кооперация и экспорт» (2018–2024 гг.) и др. [1]

О необходимости развития отечественного высокотехнологичного производства в условиях текущих санкционных ограничений говорят и в правительстве: «Ограничения поставок критически значимых товаров подтвердили правильность нашего курса на развитие отечественного высокотехнологичного производства. Поэтому нам нужно оперативно принять дополнительные меры по повышению конкурентоспособности российских предприятий и их продукции» [2].

Фонд содействия инновациям организовал тендер, в рамках которого предполагается организация выхода для субъектов малого инновационного предпринимательства на зарубежные рынки, а также создание условий для создания технологичной продукции [3].

В научных исследованиях также поднимается тема преодоления западных санкций, в частности, в исследовании «Направления усовершенствования развития экспортного потенциала Хабаровского края» поднимается вопрос формирования и развития экспорта Хабаровского края [4]. Сченсно-вич В.Н. отмечает, что для совершенствования системы поддержки экспорта необходимо изменение макроэкономической стратегии, в частности стратегии диверсификации [5]. В исследовании «Анализ товарооборота России и Евросоюза в посткризисный период» отмечается, что введенные антироссийские санкции приведут к негативным экономическим последствиям для стран Евросоюза [6]. Мальцев А.А. отмечает, что наиболее уяз- вимым сектором экономики под санкционным давлением является электронное машиностроение, и чтобы преодолеть эту зависимость, необходимо максимальное сопряжение экономики и государства [7].

Таким образом, в условиях долгосрочных целей национального развития экономики Российской Федерации и текущих санкционных реалий, тема развития высокотехнологичного экспорта и импортозамещения является крайне актуальной.

Теория и методы

Для определения кластеров высоких и низких значений исследуемого показателя, полюсов роста, а также потенциальных полюсов роста используется метод пространственной эконометрики – анализ локальных и глобальных индексов Морана. Данный методический подход показал высокую эффективность в определении полюсов роста, что подтверждается как отечественными, так и зарубежными исследованиями. В частности, данный метод использовался для определения потенциальных полюсов роста заболеваемости COVID-19 в Российской Федерации [8], для выявления полюсов развития в рамках регионального планирования [9], для оценки развития экономического роста регионов [10] и др.

Методический подход включает в себя следующие этапы:

• 1.    Оценка глобального индекса Морана.

• 2.    Оценка локальных индексов Морана.

Оценка данного индекса позволит определить тип пространственных взаимоотношений между регионами. Данный индекс рассчитывается следующим образом:

,   ^i^jWij^Xi-X) ( Xj-x)

1G = "4-------------------- #(1)

i X X X vy j wM где wtj - элемент матрицы весов W; xt - исследуемый показатель региона I; тг - общее число регионов.

Выделяют следующие типы пространственных взаимоотношений: случайное расположение, дисперсионное и кластеризированное. При оценке глобального индекса Морана рассматриваются p и z значение. Если p-значение > 0,10, а z-значение находится в диапазоне от –1,65 до 1,65, то данные значения позволяют определить, что тип пространственных взаимоотношений между территориями является случайным. Если p-значение < 0,10, а z-значение меньше –1,65, то пространственные взаимоотношения являются дисперсионными. И если p-значение также меньше 0,10, а z-значение выше 1,65, то пространственные отно- шения между регионами представлены в виде кластеров.

Расчет локальных индексов Морана производится по следующей формуле:

В ходе оценки локальных индексов Морана можно получить следующие типы территорий: HH – кластер высоких значений, LL – кластер низких значений, HL – территории полюса роста и LH – территории, испытывающие на себе влияние полюсов роста и кластеров высоких значений.

Результаты

В качестве исходных данных для построения модели были использованы данные по высокотехнологичному экспорту регионов РФ за 2021 год [11]. Более актуальные данные не использовались ввиду ограничения Федеральной таможенной службы на предоставление внешнеторговой статистики. Под высокотехнологичным (неоиндустри-альным экспортом) понимается верхний предел несырьевого неэнергетического экспорта, и к ним были отнесены 82-89 ТН ВЭД.

В ходе оценки глобального индекса Морана были получены следующие результаты (см. таблицу).

Результаты глобального индекса Морана

Глобальный индекс Морана	0,0596
sd(Ii)	0,0006
E(Ii)	0,0000083
z-оценка	100
p-value	0,0

Полученные результаты, в частности p и z -значения, свидетельствуют о том, что пространственные отношения между территориями образованы в кластеры.

Следующим этапом методического подхода являлась оценка локальных индексов Морана. Полученные в ходе оценки кластеры и полюса роста представлены на рисунке.

В ходе оценки локальных индексов Морана были полученные следующие типы территорий: кластер высоких значений – Владимирская область, г. Москва, г. Санкт-Петербург, Калужская область, Ленинградская область, Московская область, Нижегородская область, Республика Башкортостан, Республика Татарстан, Рязанская область, Самарская область, Тульская область, Челябинская область; кластер низких значений – Ал- тайский край, Амурская область, Еврейская автономная область, Забайкальский край, Иркутская область, Кабардино-Балкарская Республика, Камчатский край, Карачаево-Черкесская Республика, Кемеровская область, Красноярский край, Магаданская область, Омская область, Приморский край, Республика Адыгея, Республика Алтай, Республика Бурятия, Республика Дагестан, Республика Ингушетия, Республика Калмыкия, Республика Крым, Республика Саха (Якутия), Республика Северная Осетия-Алания, Республика Тыва, Республика Хакасия, Сахалинская область, Ставропольский край, Томская область, Хабаровский край, Чеченская Республика, Чукотский автономный округ; зоны влияния кластера высоких значений и полюсов роста – Архангельская область, Белгородская область, Брянская область, Волгоградская область, Вологодская область, Воронежская область, Ивановская область, Калининградская область, Кировская область, Костромская область, Курганская область, Курская область, Липецкая область, Мурманская область, Ненецкий автономный округ, Новгородская область, Оренбургская область, Орловская область, Пензенская область, Пермский край, Псковская область, Республика Карелия, Республика Коми, Республика Марий Эл, Республика Мордовия, Саратовская область, Смоленская область, Тамбовская область, Тверская область, Тюменская область, Удмуртская Республика, Ульяновская область, Ханты-Мансийский автономный округ – Югра, Чувашская Республика, Ямало-Ненецкий автономный округ, Ярославская область; полюса роста – Астраханская область, Краснодарский край, Новосибирская область, Ростовская область, Свердловская область.

Выводы

Таким образом, в ходе построения данной пространственной модели высокотехнологичного экспорта были определены кластеры высоких и низких значений, а также полюса роста. К полюсам роста экспорта высокотехнологичной продукции были отнесены следующие территории – Астраханская область, Краснодарский край, Новосибирская область, Ростовская область, Свердловская область. Данные территории обладают высоким технологичным потенциалом, и, следуя теории полюсов роста в стратегиях развития регионов, целенаправленное направление финансовых ресурсов для формирования импортозамещающего производства позволит создать технологичный неоиндустриальный кластер (в совокупности с территориями, входящими в кластер высоких значений), который в будущем позволит создавать и продавать продукцию высоких пределов как на территории страны, так и за рубежом.

Графическое отображение локальных индексов Морана