Управление структурой валового регионального продукта в субъектах Южного федерального округа

Состояние национальной экономики в значительной степени определяется уровнем развития экономики отдельных регионов страны. Адаптивная способность отдельной региональной экономики к демпфированию внешних и внутренних рисков зависит от особенностей ее структуры, которая формируется инерционно под влиянием управленческого воздействия со стороны органов власти в зависимости от трех основных управленческих целей формирования структуры региональной экономики: приведение структуры экономики регионов к единообразному состоянию, индивидуализация данной структуры или стратегия, предполагающая интеграцию регионов с различающейся структурой в макрорегионы. В статье рассматривается гипотеза о возможности оценки управленческого воздействия с помощью показателей, характеризующих сближение или расхождение структуры валового регионального продукта (ВРП) в пределах одного федерального округа. Исследование структуры данного показателя у субъектов Южного федерального округа за период 2005–2015 гг. проводится с применением индексного метода, включая расчет индекса Салаи и предложенного автором индекса структуры. Оно не выявило существенного влияния на изменение структуры ВРП субъектов в анализируемом периоде. Это позволяет говорить о слабости или отсутствии целенаправленного управленческого воздействия на данный показатель со стороны окружного уровня власти. В федеральном округе не выявлены очевидные тенденции к более сбалансированному участию регионов в создании общего объема ВРП. Сформулированный алгоритм расчета индекса структуры, благодаря своей универсальности и высокой чувствительности получаемых результатов, является приемлемым для определения сходимости структуры региональных экономик на основе показателя структуры ВРП и может применяться в других федеральных округах России.

1. Girardin E., Kholodilin K.A. How Helpful are Spatial Effects in Forecasting the Growth of Chinese Provinces? Journal of Forecasting. 2011;30(7):622–643.

2. Kholodilin K.A., Kooths, S., Siliverstovs B. A Dynamic Panel Data Approach to the Forecasting of the GDP of German Länder. Spatial Economic Analysis. 2008;3(2):195–207. DOI: 10.1080/17421770801996656

3. Kopoin A., Moran K., Paré J.P. Forecasting regional GDP with factor models: How useful are national and international data? Economics Letters. 2013;121(2):267–270. DOI: 10.1016/j.econlet.2013.08.007

4. Lehmann R., Wohlrabe K. Forecasting gross value-added at the regional level: Are sectoral disaggregated predictions superior to direct ones? Review of Regional Research. 2014;34(1):61–90. DOI: 10.1007/s10037–013–0083–8

5. Henzel S.R., Lehmann R., Wohlrabe K. Nowcasting Regional GDP: The Case of the Free State of Saxony. Review of Economics. 2015;66(1):71–98.

6. Longhi S., Nijkamp P. Forecasting Regional Labor Market Developments under Spatial Autocorrelation. International Regional Science Review. 2007;30(2):100–119.

7. Patuelli R., Longhi S., Nijkamp P., Reggiani A., Blien U. A Rank-Order Test on the Statistical Performance of Neural Network Models for Regional Labor Market Forecasts. The Review of Regional Studies. 2007;37(1):64–81.

8. Schanne N., Wappler R., Weyh A. Regional unemployment forecasts with spatial interdependencies. International Journal of Forecasting, 2010;26(4):908–926. DOI: 10.1016/j.ijforecast.2009.07.002

9. Бреднева Л. Б. О межрегиональной экономической дифференциации в Дальневосточном федеральном округе. Актуальные вопросы экономических наук. 2013;(35):67–71.

10. Краморенко М. И. Оценка тенденций экономической дифференциации регионов Северо-Западного и Центрального федеральных округов. Управленческое консультирование. 2014;(3):89–99.

11. Максимец Н.В., Букатина Е. Г. Динамика показателей экономического роста регионов Приволжского федерального округа. Вестник Поволжского государственного технологического университета. Серия: Экономика и управление. 2016;(1):75–86.

12. Stewart J. Assessing alternative dissimilarity indexes for comparing activity profiles. International Journal of Time Use Research. 2006;3(1):49–59.

13. Longhi S., Nijkamp P., Reggiani A., Maierhofer E. Neural Network Modeling as a Tool for Forecasting Regional Employment Patterns. International Regional Science Review. 2005;28(3):330–346.

14. Baltagi B. H., Fingleto B., Pirotte A. Estimating and Forecasting with a Dynamic Spatial Panel Data Model. Oxford Bulletin of Economics and Statistics. 2014;76(1):112–138. DOI: 10.1111/obes.12011