Влияние отраслевой структуры региональной экономики на рентабельность ВРП

В статье анализируются факторы, влияющие на рентабельность экономики регионов РФ. Эти факторы представлены основными экономическими характеристиками региональной экономики, отражающими структуру экономики, уровень развития, фондовооруженность и т. д. Методология анализа включает два этапа: во‑первых, определение переменных, непосредственно связанных с рентабельностью валового регионального продукта (ВРП); во‑вторых, построение нелинейной регрессионной модели с использованием выявленных непосредственно связанных переменных в качестве объясняющих факторов. В результате для рентабельности региональной экономики получена достаточно точная нелинейная регрессионная модель, которая включает в себя индексы добывающей и обрабатывающей промышленности, а также ВРП на душу населения. Полученная модель позволяет выявить условия, влияющие на отраслевые индексы и ВРП на душу населения, при которых рентабельность будет снижаться. Это позволяет продемонстрировать, что на разных этапах экономического развития для максимизации рентабельности требуется сбалансировать отраслевую структуру и размер региональной экономики. В частности, в высокоразвитых регионах развитие традиционных производственных отраслей отвечает убывающей рентабельности. Результаты демонстрируют, что при ориентировании на рентабельность региональной экономики необходимы адаптивные к конкретным региональным характеристикам экономические стратегии.

1. Гаврилец Ю. Н., Кудров А. В., Тараканова И. В. (2018). Анализ внутренней структуры экономического потенциала роста // Вестник ЦЭМИ РАН. Т. 1. № 1.

2. Гаврилец Ю. Н., Кудров А. В., Тараканова И. В. (2022). Статистический анализ и моделирование взаи­мосвязи региональной экономики и науки // Экономика и математические методы. Т. 58. № 4. С. 56–70.

3. Кудров А. В. (2023). Влияние экономической сложности и отраслевой специализации на валовый региональный продукт регионов РФ // Бизнес-­информатика. Т. 17. № 4. C. 25–40.

4. Регионы России. Социально-­экономические показатели, 2017–2019 гг. М.: Росстат, 2020.

5. Acemoglu D., Zilibotti F. (1997). Was Prometheus Unbound by Chance? Risk, Diversification, and Growth. Journal of Political Economy, no. 105 (4), pp. 709–751.

6. Amsden A. H. (1992). Asia’s Next Giant: South Korea and Late Industrialization. Oxford University Press.

7. Balakrishnan P., Das M., Parameswaran M. (2017). The internal dynamic of Indian economic growth. Journal of Asian Economics, no. 50, pp. 46–61.

8. Brandt L., Ma D., Rawski T. G. (2014). From Divergence to Convergence: Reevaluating the History behind China's Economic Boom. Journal of Economic Literature, no. 2 (1), pp. 45–123.

9. Hausmann R., Hidalgo C. A., Bustos S. et al. (2014). The Atlas of Economic Complexity. MIT Press.

10. Lee K. (2013). Schumpeterian Analysis of Economic Catch-up: Knowledge, Path-­Creation, and the Middle-­Income Trap. Cambridge University Press.

11. Lee J.W., McKibbin W. J. (2018). Service sector productivity and economic growth in Asia. Economic Modelling, no. 74, pp. 247–263.

12. Lin L. I.K. (1989). A concordance correlation coefficient to evaluate reproducibility. Biometrics, no. 45 (1), pp. 255–268.

13. Piketty T. (2014). Capital in the Twenty-­First Century. Harvard University Press.

14. Ratkowsky D. (1993). Principles of nonlinear regression modeling. Journal of Industrial Microbiology, no. 12, pp. 195–199.

15. Rodrik D. (2008). One Economics, Many Recipes: Globalization, Institutions, and Economic Growth. Princeton (NJ): Princeton University Press.

16. Ross M. L. (2012). The Oil Curse: How Petroleum Wealth Shapes the Development of Nations. Princeton (NJ): Princeton University Press.

17. Seber G., Wild C. (2003). Nonlinear Regression. N.Y.: Wiley.

18. Song Z., Storesletten K., Zilibotti F. (2011). Growing like China. American Economic Review, no. 101 (1), pp. 196–233.