Эконометрический анализ эффективности государственных мер финансового стимулирования развития региона

Целью данного исследования является выявление основных факторов, способных оказывать влияние на рост региональной экономики, для определения эффективности мер финансовой поддержки региона, призванных стимулировать увеличение внутреннего регионального продукта (ВРП). Предмет исследования — взаимосвязь социальноэкономических показателей Северо-Западного федерального округа (СЗФО) Российской Федерации. Исследование проведено с применением метода корреляционно-регрессионного анализа. Научная новизна заключается в разработке на основе статистических данных субъектов СЗФО эконометрической модели для прогноза уровней ВРП и потребительских расходов на душу населения. Выявлены основные социально-экономические показатели развития СЗФО, позволяющие количественно оценить принимаемые правительством меры по финансовой поддержке населения и экономики региона. В качестве основы для исследования выбрана модель Менгеса, которая дает возможность анализировать взаимосвязи между такими значимыми финансово-экономическими показателями хозяйствующего субъекта, как валовый региональный продукт, инвестиции, прибыль организаций, потребление. Разработана эконометрическая модель в виде системы взаимосвязанных эконометрических уравнений, коэффициенты которых оценивались в пакете прикладных эконометрических программ Gretl. На основе анализа и модификации классической модели Менгеса авторам удалось определить ключевые показатели, оказывающие существенное влияние на динамику экономики СЗФО. К ним можно отнести: инвестиции; потребительские расходы на душу населения; налоги; социальные выплаты; депозиты населения; кредиты населения; объем промышленного производства; доходы от предпринимательской деятельности; прибыль организаций. Сделан вывод, что финансовая поддержка предпринимателей и бизнеса не оказывает значимого влияния на экономический рост региона, а меры, направленные на увеличение заработной платы работникам организаций, для экономики СЗФО являются более эффективными, чем меры, связанные с увеличением социальных выплат. Полученные результаты будут полезны лицам, принимающим региональные управленческие решения по стабилизации постпандемической экономической ситуации в Северо-Западном федеральном округе.

1. Гранберг А.Г. Стратегия территориально социально-экономического развития России: от идеи к реализации. Вопросы экономики. 2001;(9):15–27.

2. Минакир П.А., Демьяненко А.Н. Пространственная экономика: эволюция подходов и методология. Экономическая наука современной России. 2010;(3):7–25.

3. Клейнер Г.Б., Рыбачук М.А. Системная сбалансированность экономики России: региональный разрез. Экономика региона. 2019;15(2):309–323. DOI: 10.17059/2019–2–1

4. Aivazian S.A., Afanasiev M. Yu., Kudrov A.V. Methodology of socio-economic development assessment given the characteristics of regional differentiation. Model Assisted Statistics and Applications. 2020;15(4):311–314. DOI: 10.3233/MAS 200502

5. Березняцкий А. Н., Бродский Б. Е. Моделирование макродинамики российского экономического региона. Актуальные проблемы экономики и права. 2019;13(3):1273–1286. DOI: 10.21202/1993– 047X.13.2019.3.1273–1286

6. Егоров Н.Е. Эконометрическая оценка инновационного потенциала регионов Дальневосточного федерального округа. Известия Дальневосточного федерального университета. Экономика и управление. 2017;(1):43–50. DOI: 10.5281/zenodo.386576

7. Tregub I.V., Buffet R.C. Managing methods of investment projects in the field of education on the example of France. In: Proc. 201912th Int. conf. “Management of large-scale system development” (MLSD 2019). (Moscow, Oct. 1–3, 2019). Piscataway, NJ: IEEE; 2019. DOI: 10.1109/MLSD.2019.8911089

8. Tregub I.V. Econometric analysis of influence of monetary policy on macroeconomic aggregates in Indian economy. Journal of Physics: Conference Series. 2018;1039:012025. DOI: 10.1088/1742– 6596/1039/1/012025

9. Barro R.J., Chu A.C., Cozzi G. Intermediate macroeconomics. Andover: Cengage Learning EMEA; 2017. 512 p.

10. Айвазян С.А., Афанасьев М.Ю., Кудров А.В. Модели производственного потенциала и оценки технологической эффективности регионов РФ с учетом структуры производства. Экономика и математические методы. 2016;52(1):28–44.

11. Литвинцева Г.П., Карелин И.Н. Эффекты цифровой трансформации экономики и качества жизни населения в России. Terra Economicus. 2020;18(3):53–71. DOI: 10.18522/2073–6606–2020–18–3–53–71

12. Hoang H.T., Huynh L.T.D., Chen G.S. How new economic geography explains provincial wage disparities: Generalised methods of moments approach. Экономика региона. 2019;15(1):205–215. DOI: 10.17059/2019– 1–16

13. Бравок П.С., Пынько Л.Е. Эконометрический анализ валового регионального продукта Дальневосточного федерального округа. Современные технологии управления. 2020;(3):11. URL: https://sovman. ru/article/9311/

14. Кузнецов С.В. Стратегия научно-технического развития Северо-Запада как инструмент региональной политики. Экономика региона. 2011;(3):23–29. DOI: 10.17059/2011–3–3

15. Гринчель Б.М., Назарова Е.А. Оценки устойчивости инновационного развития регионов Северо-Западного Федерального Округа. Экономика и управление. 2019;(2):20–27.

16. Tregub I.V. Forecasting demographic indicators of the regions of Russia. In: Proc. 2018 11th Int. conf. “Management of large-scale system development” (MLSD 2018). (Moscow, Oct. 1–3, 2018). Piscataway, NJ: IEEE; 2018. DOI: 10.1109/MLSD.2018.8551856

17. Строев П.В., Власюк Л.И., Макар С.В. Управление развитием макрорегиона: южный полюс роста. Экономика. Бизнес. Банки. 2018;(2):109–123.

18. Кашин В.К., Макар С.В. О перспективах развития регионов Российской Федерации, входящих в Северо-Западный Федеральный округ. Региональная экономика: теория и практика. 2017;15(1):19–34. DOI: 10.24891/re.15.1.19

19. Frohn J., ed. Makroökonometrische Modelle für die Bundesrepublik Deutschland. Göttingen: Vandenhoeck & Ruprecht; 1978. 239 p.

20. Трегуб И.В., Туркина С.Н. Модель Менгеса на примере экономики США. Маркетинг і менеджмент інновацій. 2014;(4):128–135. URL: https://mmi.fem.sumdu.edu.ua/sites/default/files/mmi2014_4_128_135.pdf

21. Tregub I.V. Econometrics. Model of real system. Мoscow: PSTM; 2016, 164 p.

22. Tregub I.V., Dremva K.A. Estimating the consequences of Russia’s and the EU’s sanctions based on OLS algorithm. International Journal of Machine Learning and Computing. 2019;9(4):496–505. DOI: 10.18178/ijmlc.2019.9.4.832