Д.В. Зверев, Е.А. Коломак СУБФЕДЕРАЛЬНАЯ ФИСКАЛЬНАЯ

М О С К О В С К И Й ОБ ЩЕС ТВЕ НН ЫЙ Н А У Ч Н Ы Й Ф ОН Д
С И Б ИР СК ИЙ Ц Е Н Т Р ПР И КЛ АД НЫ Х
ЭК ОН ОМ ИЧ ЕС КИ Х И С С ЛЕ Д ОВ А Н ИЙ
Д.В. Зверев, Е.А. Коломак
СУБФЕДЕРАЛЬНАЯ ФИСКАЛЬНАЯ
ПОЛИТИКА В РОССИИ:
МЕЖРЕГИОНАЛЬНЫЕ РАЗЛИЧИЯ
И СВЯЗИ
Москва
2010
УДК 338.242 : 332.14
ББК 65.053
З-43
З-43
Зверев Д.В., Коломак Е.А. Субфедеральная фискальная политика в
России: межрегиональные различия и связи. Серия «Научные доклады: независимый экономический анализ», № 209. Москва, Московский общественный научный фонд; Сибирский центр прикладных экономических исследований, 2010, 102 стр.
В работе представлен эмпирический анализ бюджетной статистики и индикаторов экономического развития регионов России, оцениваются изменения межрегиональной дифференциации по экономическому положению и характеристикам
субфедеральной фискальной политики. Методами анализа выступают модели экономического роста и техника пространственной эконометрики. Результаты включают оценки динамики межрегиональной неоднородности характеристик фискальной политики, выводы о стратегиях фискальной политики на субфедеральном
уровне и заключения об ее пространственной обусловленности.
Работа может быть полезной для научных сотрудников, практиков и студентов
экономических специальностей, чьи интересы связаны с исследованием пространственных аспектов развития.
Мнения, высказанные в докладах серии, отражают исключительно личные
взгляды авторов и не обязательно совпадают с позициями Московского общественного научного фонда.
Книга распространяется бесплатно.
ISBN 978-5-89554-344-3
© Московский общественный научный фонд, 2010.
© Сибирский центр прикладных экономических исследований, 2010.
© Зверев Д.В., Коломак Е.А., 2010.
СОДЕРЖАНИЕ
Введение ............................................................................................................5 Раздел 1. Инструменты анализа межрегиональных различий ...............8 1.1. Основные положения теории конвергенции ..................................8 1.1.1.
1.1.2.
1.1.3.
1.1.4.
1.1.5.
1.2. Концепции конвергенции ............................................................................. 8
Модель β-конвергенции ................................................................................ 9
Связь между абсолютной β-конвергенцией и σ-конвергенцией ............ 13
Эконометрическая модель оценивания β-конвергенции ......................... 14
Конвергенция бюджетных характеристик ............................................ 15
Основные положения пространственной эконометрики ............16 1.2.1. Подходы к формированию матриц пространственных весов .............. 17
1.2.2. Постановка моделей пространственной эконометрики....................... 18
1.2.3. Тестирование пространственных внешних эффектов .......................... 21
Раздел 2. Исследование процессов конвергенции на территории
России ..............................................................................................................24 2.1.
Валовой региональный продукт....................................................24
2.1.1. Оценка σ-конвергенции .............................................................................. 24 2.1.2. Оценки β-конвергенции без учета внешних пространственных
эффектов ................................................................................................... 25 2.1.3. Постановка модели β-конвергенции с учетом внешних
пространственных связей ........................................................................ 26 2.1.4. Оценки β-конвергенции с учетом внешних пространственных
связей .......................................................................................................... 30 2.2. Характеристики фискальной субфедеральной политики .................39
2.2.1. Бюджетная обеспеченность ..................................................................... 39 2.2.2. Характеристики фискальной политики .................................................. 42 2.2.3. Темпы роста фискальной сферы субфедерального уровня .................... 44 2.2.4. Анализ распределения характеристик субфедеральной фискальной
политики..................................................................................................... 45 2.2.5. Оценка σ-конвергенции .............................................................................. 53 2.2.6. Модель безусловной β-конвергенции......................................................... 54 2.2.7. Диаграмма рассеяния Морана .................................................................. 55 2.2.8. Пространственные тесты ...................................................................... 57 2.2.9. Модель условной β-конвергенции .............................................................. 64 Заключение.....................................................................................................81 Литература..................................................................................................... 83 Приложение ................................................................................................... 86 Сведения об авторах .................................................................................... 96 Сибирский центр прикладных экономических исследований ............ 97 Программа поддержки независимых экономических
аналитических центров в Российской Федерации ................................. 99 Введение
Введение
Пространственная неоднородность и межрегиональное неравенство
всегда являются острыми вопросами политической повестки стран с
большой территорией, к которым относится и Россия. Из практик решения
этой проблемы можно выделить два подхода, которые применяются, как
правило, одновременно, но могут иметь разные веса. Первый подход реализуется в рамках активной государственной политики перераспределения, которая включает экономическое и социальное направления. Экономическая политики выравнивания центрального правительства включает
стимулирование развития производственного потенциала отстающих территорий с использованием методов прямого государственного контроля,
субсидирования, преференций отстающим регионам и непосредственного
финансирования из средств федерального бюджета крупных производственных проектов. Меры социальной политики состоят, главным образом, в
обеспечении стандартов уровня и качества жизни для всего населения
страны, которые гарантируются общегосударственными программами и
реализуются через механизмы предоставления бюджетных услуг. Бюджетные доходы в значительной мере определяют финансирование социальной инфраструктуры и, соответственно, качество жизни на территории.
Второй подход опирается на рыночные механизмы выравнивания и
на косвенные координационные инструменты регулирования, роль и их
масштабы применения в значительной мере зависят от степени децентрализации управления. Соотношение государственного и рыночного инструментов межрегионального выравнивания, а в рамках последнего «экономического» и «социального» направлений, очевидно, должно определяться как политическими целями и ограничениями, так и их эффективностью в решении вопросов сглаживания межрегиональных различий.
Одной из наблюдаемых в последнее десятилетие тенденций в России
было усиление и расширение вертикального государственного регулирования, которое сопровождалось концентрацией финансовых ресурсов на
федеральном уровне за счет их сокращения на региональном (рисунок 1).
Если доля субфедеральных бюджетов в 1997 году составляла почти 60%
консолидированных бюджетных ресурсов, то в 2007 году – лишь 38%.
Следует отметить, что при этом шло совершенствование системы
межбюджетных перераспределений, призванной сокращать неравенство в
5
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
бюджетной обеспеченности населения различных территорий, связанное,
в первую очередь, с ключевыми характеристиками качества жизни.
Кроме этого, на протяжении последнего десятилетия в стране шла централизация инструментов экономической политики и наблюдалось ограничение полномочий субфедерального уровня власти. Одним из естественных выводов могло бы быть предположение, что в государственной политике межрегионального выравнивания был сделан акцент на государственно-социальные инструменты и проводимая политика должна привести
к более однородным бюджетным характеристикам в регионах страны.
Доля субъектов федерации РФ в консолидированном бюджете
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
70
60
50
40
30
20
10
0
Рисунок 1. Доля субъектов Федерации в консолидированных бюджетных
доходах
В данной работе представлен анализ результатов двух направлений
политики в терминах динамики межрегиональных различий, с одной стороны, характеристик экономического развития территорий, с другой стороны, бюджетных параметров их развития. Методы анализа тенденций
сближения характеристик развития предложены в теории конвергенции,
особенности эмпирического анализа пространственных данных разработаны в пространственной эконометрике.
6
Введение
Работа состоит из двух разделов. В первом разделе представлен обзор
инструментальных методов, используемых в анализе, дано краткое описание моделей исследования процессов конвергенции и подходов к учету
внешних пространственных эффектов. Во втором разделе приведены результаты исследования динамики сближения параметров субфедеральной
фискальной политики, которые включают результаты экономической активности на территории и бюджетные характеристики регионов.
7
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Раздел 1. Инструменты анализа
межрегиональных различий
1.1. Основные положения теории конвергенции
Методы анализа динамики межрегиональных различий представлены
в теории конвергенции, которая получила широкое представление в литературе. Приведем краткий обзор положений этой теории.
1.1.1.
Концепции конвергенции
Конвергенция – это процесс сближения экономических параметров к
определенному уровню. В литературе конвергенция классифицирована по
целому ряду направлений и признаков. Рассматривают следующие виды
конвергенции:
1. Межрегиональная и межстрановая конвергенция.
Межстрановая конвергенция рассматривает конвергенцию показателей, характеризующих различия между странами. Межрегиональная конвергенция рассматривает конвергенцию в рамках одной страны.
2. В терминах темпов роста или в терминах уровня дохода.
В терминах темпов роста конвергенция определяется как сходимость
различных экономик к единой траектории темпов роста. Этот подход исходит из предпосылок неоклассической теории роста, ключевыми предположениями которой являются: 1) создание инновации не требует ресурсов;
2) все получают одинаковые выгоды от инноваций; 3) никто не платит
компенсации за выгоды от инноваций. Все страны могут пользоваться
благами прогресса в равной степени. Соответственно, рано или поздно
они начнут расти одинаковым темпом, равным темпу роста экзогенного
технического прогресса, за который не приходится платить. Подход в
терминах уровня дохода предполагает сходимость экономик к единой траектории роста.
3. β-конвергенция и σ-конвергенция.
Первая проверяет наличие отрицательной корреляции между темпами
роста и начальным уровнем развития экономики и является частным случаем второго подхода, его необходимым условием. Вторая является более
общим случаем конвергенции и подразумевает снижение разброса харак8
Раздел 1
теристик изучаемых объектов, в качестве измерителей σ-конвергенции используются такие показатели, как дисперсия, коэффициент вариации, коэффициент Тейла, коэффициент Джини.
4. Абсолютная и условная конвергенции.
Условная конвергенция предполагает наличие фундаментальных различий и непреодолимой неоднородности в изучаемых объектах, что приводит к различным траекториям экономического роста. Абсолютная конвергенция предполагает однородность объектов и наличие единой траектории роста для всех экономик.
5. Абсолютная или клубная конвергенции.
Клубная конвергенция в отличие от абсолютной предполагает, что
экономики имеют не единую для всех траекторию роста, а единую среди
группы сходных экономик по начальному уровню развития и по другим
характеристикам.
Таким образом, в экономической литературе существует несколько
определений понятия «конвергенция» и целый ряд направлений его применения. Наибольшее распространение в исследованиях получили две
концепции конвергенции: β-конвергенция и σ-конвергенции. Остановимся
подробнее на предпосылках модели β-конвергенции.
1.1.2.
Модель β-конвергенции
Отправной точкой анализа β-конвергенции можно считать модель
безусловной β-конвергенции. Эта модель основана на неоклассической
теории роста. Основная гипотеза β конвергенции состоит в том, что темпы
экономического роста положительно коррелированны с разрывом в начальный момент времени между стартовым душевым доходом данного
региона и уровнем душевого дохода в устойчивом состоянии, который
совпадает для всех регионов. В устойчивом состоянии регионы находятся
на устойчивой траектории роста, которая определяется как равновесная
траектория пропорционального роста в состоянии устойчивого равновесия, характеризующаяся постоянными темпами роста уровня дохода на
душу населения. В соответствии с этой моделью бедные регионы должны
расти более быстрыми темпами, чем богатые, так что в долгосрочной перспективе должно происходить выравнивание региональных уровней экономического развития.
Процесс конвергенции обычно характеризуется скоростью конвергенции и временем преодоления половины расстояния, отделяющего экономику региона от ее устойчивого состояния. В теоретической модели ре9
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
гионы характеризуются только временными различиями в уровнях экономического развития, которые объясняются исключительно различиями в
начальных уровнях среднедушевого дохода.
В теории экономического роста предполагается, что начальная дифференциация регионов в уровне развития является следствием экзогенных
шоков и несовершенства механизма корректировки. В соответствии с гипотезой конвергенции, если экономика региона в начальный момент находится дальше от положения устойчивого равновесия, темпы ее роста будут
выше, чем у экономики, находящейся ближе к равновесию. Следовательно, в долгосрочном периоде дифференциация исчезает. Наиболее часто
гипотеза конвергенции применяется для изучения различий в динамике и
в уровне валового внутреннего продукта на душу населения.
Факт конвергенции подтверждается эмпирически на однородных выборках регионов и не подтверждается для разнородных. Объяснением
этому феномену является тот факт, что каждый регион имеет особую,
возможно, сильно отличающуюся от других, стационарную траекторию,
определяемую индивидуальной устойчивой нормой сбережения в доходе
и особыми темпами роста населения. Приближение стран к своим особым,
индивидуальным стационарным траекториям называется условной конвергенцией.
Модель β-конвергенции выводится из предпосылок модели Солоу. В
соответствии с этой моделью динамика величины капитала на одного эффективного работника изменяется в соответствии с уравнением:
(1)
Где k – уровень капиталовооруженности на единицу эффективного
труда, y – доход на единицу эффективного труда, n – темп прироста населения, g – темп технического прогресса по Харроду, δ – норма выбытия
капитала.
При разложении данного уравнения в ряд Тейлора до первой производной в окрестности устойчивого уровня капиталовооруженности получаем:
(2)
Так как
0,
то динамика капиталовооруженности будет равна:
10
Раздел 1
(3)
Подставляя
в уравнение (3) и вынося (n+g+δ) за скобки, получаем:
1
(4)
Величина f′(k*)k*/f(k*) эквивалентна доли капитала в доходе на траектории сбалансированного роста – α. Таким образом, динамика величины
капитала на единицу эффективного труда в окрестности траектории устойчивого развития равна:
1
(5)
Или, при замене
1
получаем:
.
6)
В модели Солоу выпуск на единицу эффективного труда от величины
капитала на единицу эффективного труда:
(7)
Раскладывая выпуск в ряд Тейлора до первой производной в окрестности устойчивой траектории роста, получаем:
(8)
Или
.
(9)
В свою очередь
,
Откуда
(10)
Подставляя в уравнение (10) уравнение (6), получаем выражение для
динамики дохода на единицу эффективного труда:
(11)
11
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Параметр λ характеризует скорость конвергенции. Чтобы найти λ,
решим неоднородное дифференциальное уравнение первой степени (11) и
перейдем от абсолютных величин к их логарифмам:
Сначала найдем общее решение:
,
.
Теперь перейдем к поиску частного решения:
,
,
,
,
,
0
,
,
.
Переставляя слагаемые последнего уравнения, получаем:
,
1
или, переходя к логарифмам:
.
(13)
1
Так как,
/
где t – количество лет в рассматриваемом периоде, то можно перейти
к окончательному варианту уравнения безусловной β-конвергенции:
,
(14)
1 у
где β0 – константа, а
рый находится скорость конвергенции:
– коэффициент, через кото-
.
(15)
Так же принято рассчитывать необходимое регионам (или странам)
время для преодоления половины пути до устойчивого состояния. Это
время находится из уравнения (13) при подстановке
0,5
откуда
,
0,5.
1
Выражая из уравнения время, получаем:
12
Раздел 1
.
(16)
,
Уравнения (14)–(16) – основные формулы, описывающие характеристики процесса β-конвергенции.
1.1.3.
Связь между абсолютной β-конвергенцией
и σ-конвергенцией
Концепция β-конвергенции, созданная в 1990-х гг., главным образом,
в работах Барро и Сала-и-Мартина, определяет конвергенцию как процесс
«наверстывания», при котором бедные страны или регионы имеют более
высокие темпы экономического роста. Второй тип конвергенции, т.е. σконвергенция, определяется как уменьшение во времени дисперсии валового внутреннего продукта (ВВП) на душу населения или другого экономического показателя развития на выборке стран или регионов.
Для того, чтобы проанализировать связь между этими двумя видами
конвергенции, рассмотрим основное уравнение неоклассической модели
роста, которое связывает темп роста дохода на душу населения (yi) за некоторый промежуток времени с начальным уровнем дохода:
ln
1
ln ,
(17)
, • ,
,
,
В неоклассической теории роста показано, что свободный член ai,t
представляет собой сумму некоторой переменной, отражающей технологический прогресс, и величины, множителем которой является логарифм
равновесной величины дохода страны или региона. В этом и заключается
суть концепции условной конвергенции, поскольку учитывается величина
дохода, соответствующая устойчивому положению равновесия.
Если рассматривать регионы, то логично предположить, что свободный член ai,t один и тот же для всех регионов. При этом если β>0, то из
уравнения (17) следует, что более бедные регионы будут характеризоваться более высокими темпами экономического роста. Предполагается, что
случайное возмущение uit имеет распределение с параметрами (0, σ2u,t) и
распределено независимо от log(yi, t-1) и uj,t, для i≠j можно получить следующее выражение, которое позволяет проследить связь между β- и σконвергенцией:
/ 1
— / 1
,
где σ20 – дисперсия log(yi,0). Из этого следует, что σt2 стремится к своему равновесному значению σ2u /(1-e-2β), которое возрастает с ростом σ2u и
убывает с ростом β. С течением времени σ2t может как расти, так и сни13
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
жаться в зависимости от того, меньше или больше σ20 равновесного значения. Таким образом, положительная величина коэффициента β является
необходимым, но не достаточным условием снижения σ2t , то есть наличия
σ-конвергенции. Таким образом, σ-конвергенция наблюдается в тех случаях, когда β-конвергенция подавляет воздействие случайных шоков.
Гипотезы β-конвергенции и σ-конвергенции являются взаимосвязанными, но не эквивалентными. В ряде работ (см., например, Barro, Sala-iMartin, 2004) было показано, что из абсолютной β-конвергенции напрямую не следует σ-конвергенция. Хенин и Ли Пен (Henin, Le Pen, 1995)
предложили интерпретацию связи между абсолютной β-конвергенцией и
σ-конвергенцией. Абсолютная β-конвергенция указывает на существование тенденции к сокращению разрыва в валовом внутреннем продукте на
душу населения. В то же время случайные шоки, воздействующие на экономики регионов, могут противодействовать этой тенденции и временно
увеличивать дисперсию распределения валового внутреннего продукта на
душу населения.
1.1.4.
Эконометрическая модель оценивания β-конвергенции
Довольно часто гипотеза конвергенции неоклассической модели роста тестируется на примере регионов одной страны. Несмотря на то, что
возможно наличие расхождений между регионами по уровню развития
технологий, предпочтений, экономических институтов и т.д., данные различия, как правило, существенно меньше, чем различия между странами.
Поэтому вероятность наличия абсолютной конвергенции между регионами существенно выше, чем между странами.
Вместе с тем при рассмотрении регионов для проверки гипотезы абсолютной сходимости нарушается важная предпосылка неоклассической
модели роста – закрытость экономики. Очевидно, что культурные, лингвистические, институциональные и формальные барьеры для перемещения факторов оказываются менее значимыми для группы регионов одной
страны. Однако показано, что даже в случае мобильности факторов и, таким образом, нарушения предпосылок исходной модели динамические
свойства закрытой экономики и экономики со свободным движением капитала будут схожи (Barro, Sala-i-Martin, 2004). Практика показывает, что
затраты на переезд достаточно высоки, даже если рассматривать перемещение внутри одной страны, тем более высоки затраты на перенос производства из одного региона в другой.
14
Раздел 1
Наиболее часто используемым методом эмпирической проверки абсолютной β-конвергенции является регрессия темпа роста ВВП, среднего
или накопленного за рассматриваемый период, на константу и логарифм
начального ВВП на душу населения.
При адаптации модели к эконометрическому инструментарию получается следующая модель:
,
,
Где ~ 0,
– вектор темпов роста доходов, y0 – вектор начальных значений доходов изучаемых объектов. Если коэффициент при
объясняющей переменной статистически значим и имеет отрицательный
знак, гипотеза абсолютной β-конвергенции не отвергается.
Полученная модель конвергенции является моделью абсолютной βконвергенции, поскольку предполагает единую траекторию роста для всех
объектов. Как правило, исследуемые объекты характеризуются значительными межрегиональными различиями, которые могут привести к сдвигу
траектории стационарного роста для отдельных субъектов. Поэтому для
анализа конвергенции, как процесса сходимости экономики региона к его
собственной траектории устойчивого роста, необходимо учитывать эти
различия.
Для учета межрегиональных различий предлагается включить в правую часть уравнения регрессии дополнительные факторы, которые могут
повлиять на темпы роста в регионах.
, ~ 0,
(18)
Где gy – вектор темпов роста доходов, y0 – вектор начальных значений
доходов изучаемых объектов, X – матрица экзогенных региональных переменных. Специфические региональные факторы развития контролируют
межрегиональные различия в уровнях равновесных состояний, если они
оказываются значимыми, то даже при значимости коэффициента β1 нельзя
говорить о сближении уровней развития региональных экономик.
1.1.5.
Конвергенция бюджетных характеристик
В литературе представлены не только исследования конвергенции
доходов регионов, но и анализ конвергенции и дивергенции бюджетных
поступлений и бюджетных расходов, они используют непосредственное
приложение традиционного анализа конвергенции доходов. В основе лежит предположение модели Солоу, что темп роста налоговых доходов и
государственных расходов равен темпу роста общего дохода, в результате
15
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
факт конвергенции общих доходов территорий является основанием для
гипотезы о конвергенции их бюджетных параметров. Скулли (Scully,
1991) осуществил эмпирическое тестирование данного предположения и
получил вывод, что пространственная конвергенция налоговых доходов
штатов имеет те же темпы, что и конвергенция общего экономического
развития. Аннала (Annala, 2003) проверял конвергенцию нескольких расходных и доходных характеристик фискальной политики штатов и пришел к заключению, что штаты, которые первоначально имели низкую
бюджетную обеспеченность, демонстрируют более высокие темпы ее роста по сравнению со штатами с высокими бюджетными доходами. Это привело автора к заключению о процессе конвергенции параметров фискальной политики в США.
1.2. Основные положения пространственной эконометрики
Миграция, технологические эффекты, торговые связи и политика общественного сектора могут связывать экономики регионов, несмотря на
политические границы между территориями. Игнорирование возможных
пространственных взаимодействий при проведении эмпирического оценивания на основе использования региональных данных приводит к некорректным выводам в отношении величины и значимости влияния изучаемых факторов. В этом случае имеет место эффект пропущенных переменных, в результате полученные эконометрические оценки будут смещенными и несостоятельными. Для отражения в эмпирических моделях пространственных связей разработан раздел пространственной эконометрии.
В основе пространственной методологии лежит матрица пространственных весов, которая показывает наличие связей между регионами и их интенсивность. Матрица пространственных весов задается экзогенно, поэтому ее спецификация является наиболее сложным и спорным вопросом в
моделировании пространственных взаимосвязей.
Элемент матрицы wij отражает влияние региона j на регион i. Все
матрицы пространственных весов – квадратные. Так как в матрице исключается возможность влияния региона на себя, то по диагонали матрицы
стоят нули. Как правило, матрица весов стандартизируется по строкам для
упрощения процедуры ее обращения и для улучшения качества оценки
пространственных эффектов.
16
Раздел 1
1.2.1.
весов
Подходы к формированию матриц пространственных
1. Матрицы соседства.
Простейшим способом учета пространственных связей является бинарная матрица граничных соседей – предполагается, что на экономику
объекта могут влиять только граничащие с ним регионы:
0, если ; 1, если граничит с ; (19)
0, если не граничит с .
Другим видом матриц соседства является матрица k ближайших соседей. Для каждого региона i рассчитываются расстояния до всех регионов
dij. Затем из них выбираются k наименьших расстояний. Вычисляется величина di(k) такая, что dij≤di(k), для j, входящих в ближайшие k соседей региона i. Подразумевается, что на каждый объект значимо влияют только k
ближайших соседей. Влияние остальных регионов незначимо:
0, если ; 1, если ; (20)
. 0, если Использование такой матрицы является целесообразным при однородности изучаемых объектов по площади территорий и по расстояниям
между центрами объектов.
2. Матрица расстояний и ее производные.
Использование матриц соседства не позволяет оценить интенсивность
взаимосвязей между регионами. Как альтернатива, была разработана матрица расстояний:
0, если ; , если ; (21)
0, если , где
– мера расстояния между i и j, а D(q) – квартили расстояний,
q=1, 2, 3, 4. Как правило, λ принимается равным двум. В качестве меры
расстояния может использоваться как фактическое расстояние между столицами изучаемых регионов, так и время, необходимое для преодоления
этого расстояния.
Кроме матрицы расстояний широкое применение нашли ее производные.
• Матрица граничных потенциалов.
17
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
0, если , если ; ; (22)
0, если , где bij – доля длины общей границы i-ого и j-ого регионов в длине
границы i, ai – доля площади i-ого региона в площади всей исследуемой
территории.
• Матрица рыночных потенциалов. Учитывает мощность соседних регионов:
0, если ; , если ; (23)
0, если , где Aj – показатель мощности экономики j-го региона. Может оцениваться по величине валового регионального продукта (ВРП), промышленного производства, конечного потребления и др.
• Матрица логической суммы потенциалов:
0, если ; ∑
;
(24)
∑
1 где km – вес значимости m-ого фактора, использующейся для моделирования влияния, cjm – значение m-ого фактора, a и b – параметры.
В целом, все подходы к формированию матриц сводятся к функциональной комбинации различных параметров – соседства, расстояния между исследуемыми объектами, экономическими, политическими и другими
факторами.
1.2.2.
Постановка моделей пространственной эконометрики
В литературе выделяют пространственные связи двух типов: пространственная автокорреляция и пространственная неоднородность. Пространственная корреляция является следствием зависимости экономических объектов друг от друга. Пространственная неоднородность является
следствием недиагональной структуры ковариационной матрицы ошибок.
Для моделирования этих зависимостей разработано несколько типов мо18
Раздел 1
делей. Приведем две из них, которые будут использоваться в дальнейшем
при оценивании.
Для моделирования пространственной автокорреляции используется
модель пространственного лага (SAR – Spatial Autoregressive Model):
,
(25)
~ 0,
а для моделирования пространственной неоднородности – модель
пространственной ошибки (SEM – Spatial Error Model):
.
(26)
~ 0,
Использование метода наименьших квадратов (МНК) для оценки
SAR даст смещенные и несостоятельные оценки:
МНК-оценки для параметров регрессии:
,
,
,
,
(27)
Математическое ожидание оценки равно:
,
,
,
,
,
,
,
,
,
,
,
,
,
При
0 объясняющая переменная не является детерминированной,
т.к. зависит от пространственных влияний других объектов. Следователь,
,
,
0, в результате чего
но,
,
,
.
Также оценки МНК несостоятельны, т.к.
,
,
,
не стремится к нулю.
Применение МНК-оценивания к модели SEM даст состоятельные и
несмещенные оценки, но неэффективные со смещенными стандартными
ошибками, поскольку некорректно оценивается дисперсия ошибок и игнорируется их пространственная связь.
В настоящее время разработано несколько методов для оценки пространственных моделей:
• метод максимального правдоподобия;
• двухшаговый пространственный метод наименьших квадратов;
• метод инструментальных переменных;
• байесовский подход;
19
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
• обобщенный метод моментов.
В данной работе модели оценивались методом максимального правдоподобия. Логарифмическая функция максимального правдоподобия для
модели SAR выглядит следующим образом:
2
ln 2
2
|
|
(28)
Получение оценок по данной функции является затруднительным,
поэтому на практике переходят к концентрированной функции максимального правдоподобия. Из условий первого порядка получаем:
(29)
,
,
Либо
при
замене
,
:
;
/
(30)
Для модели SEM логарифмическая функция правдоподобия выглядит:
2
ln 2
2
|
|
(31)
Концентрируем функцию правдоподобия:
(32)
/ , где
(33)
Оценки максимального правдоподобия характеризуются рядом
свойств: устойчивостью, асимптотической эффективностью и асимптотической нормальностью. Для моделей с пространственными связями, если
не вводить дополнительных ограничений, данные свойства не всегда выполняются. Т.е. кроме стандартных ограничений на дисперсию и старшие
моменты, необходимы условия, которые будут ограничивать возможность
влияния пространственной матрицы. Другими словами, чтобы избежать
проблемы сингулярности и взрывного процесса, коэффициент пространственной зависимости должен быть ограничен. В качестве границ коэффициента принимаются обратные значения к максимальному и минимальному значениям собственных чисел матрицы весов. Для стандартизиро20
Раздел 1
ванных по строкам матриц правая граница равна 1, а левая граница меньше -1.
1.2.3.
Тестирование пространственных внешних эффектов
Для проверки наличия пространственных внешних эффектов, как
правило, используют ряд тестов. При выявлении наличия корреляции между переменными используются LM-тесты: Lagrange Multiplier и Robust
Lagrange Multiplier для пространственного лага. Для проверки наличия
корреляции между ошибками используются статистика Moran’s I и LMтесты: Lagrange Multiplier и Robust Lagrange Multiplier для пространственной ошибки. Приведенные тесты рассчитываются по остаткам МНК регрессии без учета пространственного фактора. Выдвигается гипотеза Н0 об
отсутствии пространственных связей. При верной нулевой гипотезе
Moran’s I имеет нормальное распределение, а все четыре LM-статистики
имеют асимптотическое Хи-квадрат распределение с одной степенью свободы. Введем обозначения:
;
;
.
Статистика Moran’s I рассчитывается по следующей формуле:
где ∑ ∑
(34)
,
(35)
,
2 ,
.
(36)
(37)
(38)
Z-статистика имеет асимптотическое нормальное распределение с нулевым математическим ожиданием и единичной дисперсией.
Статистика Lagrange Multiplier для пространственной ошибки:
(39)
21
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Данный тест асимптотически эквивалентен квадрату статистики Морана. Считается, что на малых выборках Moran’s I мощнее, а на средних и
больших выборках различий почти нет.
Статистика Robust Lagrange Multiplier для пространственной ошибки:
(40)
Статистика Lagrange Multiplier для пространственного лага:
.
(41)
Статистика Robust Lagrange Multiplier для пространственного лага:
(42)
Как уже упоминалось, все LM-статистики имеют асимптотическое
хи-квадрат распределение с одной степенью свободы.
Через серию экспериментов было показано, что статистика Robust
Lagrange Multiplier оказывается мощнее при наличии пространственных
связей, а обычный LM-тест – более мощный при их отсутствии. Таким образом, для выбора корректной спецификации модели используются оба
теста. При наличии противоречий в результатах тестов для выбора корректной модели можно использовать информационные критерии.
К описанным тестам можно также добавить неформальный способ
проверки влияния пространственного фактора на данные: диаграмма рассеяния Морана. Как правило, с нее и начинается исследование простран22
Раздел 1
ственных влияний. По оси абсцисс откладываются стандартизированные
‫ݖ‬ൌ
௒ି௒ത
௦ௗሺ௒ሻ
значения исследуемого признака, а на оси ординат – значения
пространственного фактора Wz. На диаграмме отображается линия регрессии Wz на z, наклон который равен коэффициенту общей пространственной автокорреляции I при стандартизированной матрице весов.
23
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Раздел 2. Исследование процессов
конвергенции на территории России
Изучим последовательно динамику межрегиональных различий по
уровню экономического развития территорий и по бюджетным характеристикам и сравним полученные результаты. Исходная информация для анализа представлена в публикациях Федеральной службы государственной
статистики «Регионы России: социально-экономические показатели» за
различные годы, в материалах Министерства финансов РФ и в законодательной базе данных «Консультант плюс. Сводное региональное законодательство».
2.1. Валовой региональный продукт
2.1.1.
Оценка σ-конвергенции
Изменение неоднородности и разброса в производстве валового регионального продукта (ВРП) на душу населения в различных регионах
страны лучше оценивать с помощью коэффициента вариации, который
устраняет эффект масштаба, и в результате рост среднего уровня производительности конечного продукта элиминируется. Значение коэффициента
вариации ВРП по стране с 1995 по 2006 гг. представлено в табл. 1.
Таблица 1. Коэффициент вариации ВРП на душу населения
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005 2006
0,47
0,55
0,54
0,54
0,55
0,61
0,63
0,64
0,65
0,63
0,68
0,65
Уменьшение дисперсии ВРП наблюдалось в начале рассматриваемого
периода до 1998 г., этот отрезок времени характеризовался глубоким
трансформационным спадом. Этап же подъема и высоких темпов роста в
стране сопровождался увеличением различий в продуктивности экономик
регионов. Таким образом, Россия повторила опыт многих стран, демонстрировавших увеличение дистанции в развитии территорий в периоды быстрого экономического роста.
24
Раздел 2
2.1.2.
Оценки β-конвергенции без учета внешних
пространственных эффектов
Оценка модели безусловной конвергенции без учета внешних эффектов, где зависимой переменной выступал логарифм темпа роста ВРП за
период 1995–2006 гг., дала результат, представленный в табл. 2.
Оценивание не выявило статистически значимой связи между темпами развития территорий и их начальным состоянием, тестирование гипотезы о равенстве коэффициента β нулю дало положительный результат.
Поэтому невозможно сделать вывод как о том, что наблюдается безусловная конвергенция, так и о том, что имеет место безусловная дивергенция.
Данный вывод согласуется и с неровной динамикой, включающей падение
и рост, коэффициента вариации ВРП в рассматриваемом периоде.
Таблица 2. Оценки модели безусловной конвергенции для ВРП
Константа
0,185
Стандартная
ошибка
0,043
Логарифм ВРП 1995 г.
0,004
0,005
Переменная
Коэффициент
Коэффициент детерминации
tстатистика
4,348
Pзначение
0,000
0,851
0,397
0,01
В модели условной конвергенции матрица переменных, фиксирующих региональную специфику, формировалась на основе идеологии расширенной производственной функции. В модель были включены характеристики трудовых ресурсов, капитала, инфраструктуры и отраслевой
структуры производства, для улучшения свойств ошибки выделялась Москва. Результаты оценок окончательной спецификации модели приведены
в табл. 3.
Оценки модели условной конвергенции также не дали статистически
значимой оценки коэффициента конвергенции. Это означает, что тенденция к сближению регионов не наблюдалась бы, даже если бы были исключены специфические факторы и особенности условий их развития. Однако
статистическая незначимость коэффициента при переменной уровня ВРП
на начало периода говорит и об отсутствии процесса дивергенции. Региональные траектории сбалансированного роста, оставаясь индивидуальными, не сходятся, но и не расходятся.
25
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Таблица 3. Оценки модели условной конвергенции для ВРП
Переменная
Константа
Коэффициент
0,259
Стандартная ошибка
0,032
tстатистика
8,057
-0,006
0,004
-1,634
0,107
0,027
0,004
6,909
0,000
0,079
0,014
5,531
0,000
0,063
0,016
3,810
0,000
Логарифм ВРП 1995 г.
Темп роста инвестиций в
основной капитал
Фиктивная переменная
для Москвы
Доля топливноэнергетического комплекса в промышленности
Коэффициент детерминации
P-значение
0,000
0,54
2.1.3.
Постановка модели β-конвергенции с учетом внешних
пространственных связей
В стандартной постановке модели предполагается, что производственная функция является неоклассической и выпуск зависит от двух факторов производства: труда и капитала:
,
(43)
Здесь Y – общий выпуск экономики, совпадающий с доходом, K –
общее количество капитала, L – общее количество труда, F – производственная функция. Так как одним из свойств неоклассической производственной функции является постоянная отдача от масштаба, ее можно переписать в следующем виде:
,
(44)
где y – доход на душу населения, k – запас капитала на душу населения, а f(k) совпадает с F(k, 1).
Закон изменения капитала описывается следующим образом:
,
(45)
где s – норма сбережения капитала, n – темп прироста населения, а d –
норма выбытия капитала. Как известно, данная модель имеет состояние
устойчивого равновесия, то есть такое, когда уровень капитала на душу
населения является постоянным. Уровень капитала, соответствующий устойчивому состоянию, определяется из следующего равенства:
26
Раздел 2
.
(46)
И соответственно, устойчивый уровень дохода на душу населения
определяется из:
.
(47)
Здесь y* и k* – устойчивые уровни выпуска и капитала на душу населения в экономике, соответственно.
Наиболее часто используемой производственной функцией является
функция Кобба-Дугласа, которая имеет следующий вид:
,
(48)
,
и, соответственно, в форме среднедушевых показателей:
.
(49)
Параметр α – отражает долю капитала в доходе, А – коэффициент, отражающий, в частности, уровень технологического развития.
В дальнейшем предполагается, что регионы имеют одинаковую для
всех производственную функцию вида Кобба-Дугласа, отличающуюся
лишь параметром А. Предположим, что в каждом регионе параметр Ai зависит от технологического развития регионов-соседей, которое в свою
очередь определяется текущим количеством капитала на душу населения:
.
(50)
Здесь kiρ – средний уровень капитала на душу населения в соседних iтому регионах (в дальнейшем индекс ρ применяется в этом смысле ко
всем интересующим показателям), параметр γ отражает влияние соседних
регионов на i-тый, то есть является мерой межрегиональных внешних эффектов, и предполагается постоянным по всей экономике. Производственная функция тогда будет выглядеть следующим образом:
.
(51)
Из полученного выражения видно, что рост производительности капитала на 1% в соседних регионах обеспечивает изменение производительности труда в i-том регионе на αγ процентов, даже без дополнительных инвестиций в самом регионе. С теоретической точки зрения это связано с распространением технологий между регионами. В дальнейшем индекс региона для простоты будем опускать.
Для полученной производственной функции закон движения капитала запишется следующим образом:
.
(52)
27
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Здесь и в дальнейшем точка над показателем означает производную
этого показателя по времени, а g – темп прироста величины, обозначенной
нижним индексом.
Из равенства gk = 0 получим выражение для устойчивого уровня капитала в экономике:
.
(53)
Пользуясь равенством (53), получим выражение для устойчивого значения производительности труда:
.
(54)
Из равенства (54) видно, что устойчивый уровень производительности труда в экономике с внешними эффектами зависит не только от стандартных параметров, но и от обеспеченности капиталом соседних регионов. Чем выше уровень капитала на душу населения и больше мера межрегионального влияния, тем выше производительность труда в устойчивом состоянии.
Рассмотрим разложение в ряд Тейлора до члена первого порядка
уравнения (52) вокруг логарифма устойчивого состояния (lnk*). После
очевидных преобразований получим:
.
(55)
в
Здесь параметр
1
, обычно называемый темпом кон, уравнение (55) представляет собой линейвергенции. Так как ное неоднородное дифференциальное уравнение первого порядка. Решая
его, получим зависимость капитала от времени, предполагая, что в нулевой момент времени запас капитала на душу населения равен k0:
1
.
(56)
Пользуясь тем, что
, получим:
.
(57)
Теперь, пользуясь уравнениями (51), (53), (54) и (57) и нивелируя эффекты второго порядка, можно получить окончательное уравнение для
темпа прироста выпуска:
ln с
(58)
28
Раздел 2
Можно отметить, что полученный результат, в случае отсутствия
внешних эффектов (т.е. при γ=0), совпадает с переходной динамикой в
стандартной модели Солоу (модели абсолютной β-конвергенции). Однако
при наличии внешних эффектов в динамике экономического роста появляются две новые составляющие: во-первых, нужно отметить положительную теоретическую зависимость между темпом роста в регионе и в
регионах-соседях (в предположении положительности внешних эффектов), это означает, что, чем быстрее развиваются окружающие регионы,
тем быстрее развивается сам регион; во-вторых, прослеживается положительная зависимость темпа прироста ВРП от начального уровня развития
соседних регионов. Надо отметить, что в силу выполнения соотношения
(58) для каждого региона два обозначенных фактора развития отрицательно зависимы между собой.
Для адаптации уравнения (58) к эконометрическому оцениванию определим способ расчета показателей с с . Для этого введем в рассмотрение матрицу географических весов W. В i – содержатся веса соседних
регионов, соответственно, равенство с
(где
и с – вектора
темпов прироста ВРП) будет отражать среднее значение темпа прироста в
.
соседних регионах. Аналогично с
Таким образом, получаем следующее эконометрическое уравнение:
г
е
(59)
где gy – ( n × 1 ) вектор темпов прироста ВРП, y0 – ( n × 1 ) вектор начальных значений, С, γ, b1 и b2 – константы.
В используемой модели не рассмотрено влияние человеческого капитала и технологического прогресса, однако учет этих факторов не изменяет качественных характеристик конечного уравнения: происходит лишь
изменение константы, а параметр α в таком случае содержит в себе суммарную долю в доходе физического и человеческого капитала. Таким образом, не нарушая общности, можно считать уравнение (59) описывающим переходную динамику экономики нескольких однородных регионов.
Однако сделанное при построении модели предположение об однородности регионов в рамках РФ является достаточно сильным, в свою очередь
сильные межрегиональные различия могут привести к сдвигу траектории
перехода к равновесному состоянию и к сдвигу самого равновесного состояния для некоторых субъектов. Поэтому для дальнейшего эмпирического исследования необходимо учесть эти различия. Для учета этих различий предлагается включить в правую часть уравнения (59) дополни29
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
тельные факторы, которые могут повлиять на темпы прироста. Полученная модель будет описываться уравнением:
г
е
(60)
где X – ( n × k ) матрица экзогенных переменных, b3 – ( 1 × k ) вектор
параметров, отражающий влияние этих переменных.
Полученная модель носит название смешанной модели регрессии и
пространственной авторегрессии. Как видно из уравнения (60), переменная gy содержится как в левой, так и в правой частях уравнения. Это означает, что метод наименьших квадратов (МНК) приведет к несостоятельности и неэффективности оценок регрессии.
Уравнение (60) можно рассматривать в ином виде:
е.
(61)
Уравнение (61) представляет собой переходную динамику экономического роста в рамках обычной модели Солоу с учетом дополнительных
факторов. В таком случае возникает эффект пропущенной переменной,
который также приведет к несостоятельности и неэффективности МНКоценок. Учитывая характер пропущенной переменной, можно предполагать наличие пространственной автокорреляции.
2.1.4.
Оценки β-конвергенции с учетом внешних
пространственных связей
Важную роль в анализе играет матрица пространственных весов W,
элементы матрицы отражают структуру распространения внешних пространственных эффектов, которая задается экзогенно. При этом отсутствуют практические рекомендации по выбору данной матрицы. Наиболее
распространенная матрица пространственных весов – это бинарная матрица, отражающая соседство, где элемент wij равен единице, если объекты i
и j (i ≠ j) имеют общую границу, и равен 0 в противном случае. Такая спецификация предполагает, что соседние регионы оказывают одинаковое
влияние и что пространственные связи за пределами общих границ отсутствуют. Другой популярный подход к определению wij следующий:
⎧ 0 если i = j
wij ( q ) = ⎨
⎩1 / d ij если i ≠ j
Где dij – расстояние между региональными центрами.
Оценка моделей проводилась на основе двух видов матриц географических весов: стандартизированной матрицы соседства и стандартизированной матрицы расстояний.
30
Раздел 2
Диаграммы Морана
Как отмечалось, эмпирическое исследование пространственных
внешних эффектов начинается с рассмотрения диаграмм Морана. Ниже
приведены диаграммы Морана для темпов прироста ВРП, построенные с
учетом указанных выше матриц географических весов.
2
1,5
1
0,5
0
‐3
‐2
‐1
‐0,5 0
‐1
1
2
3
‐1,5
‐2
‐2,5
Рисунок 2. Диаграмма Морана с использованием матрицы расстояния
1,5
1
0,5
0
‐3
‐2
‐1
‐0,5 0
1
2
3
‐1
‐1,5
‐2
‐2,5
Рисунок 3. Диаграмма Морана с использованием матрицы соседства
31
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Как видно из диаграмм, использование матрицы соседств и матрицы
расстояний дает заметно различающиеся результаты. При использовании
матрицы расстояний облако наблюдений сосредоточено вокруг оси абсцисс, пространственная зависимость имеет малый отрицательный коэффициент. Имеются два заметных выброса: республика Северная Осетия –
Алания (справа внизу) и Кабардино-Балкарская республика (слева вверху). При использовании матрицы соседств облако наблюдений размазано,
пространственная зависимость выражена слабо, однако оказывается положительной, также имеется ряд выбросов.
Таким образом, исследование диаграмм Морана не позволяет сделать
какие-либо выводы о наличии или отсутствии пространственной зависимости, а также сделать предположения о направлении и мере этой зависимости.
Результаты оценки базовой модели с пространственными внешними
эффектами
Ниже приведены оценки уравнения (59), полученные методом максимального правдоподобия с использованием модели SAR, а также оценки
уравнения (61) без учета региональной специфики, полученные с использованием модели SEM.
Из таблиц видно, что результат оценки базового варианта модели регионального развития соответствует выводам, сделанным на основе диаграмм Морана: при использовании матрицы соседства получаются незначимые положительные значения параметров, отражающие меру внешних
эффектов, при использовании матрицы расстояний – еще менее значимые
отрицательные значения этих параметров.
Также стоит отметить, что ни один из параметров в базовой постановке модели не является достаточно значимым. Исходя из полученных
результатов, можно предполагать, что регионы не имеют единой траектории роста, т.е. для каждого субъекта Федерации траектория роста обусловлена его региональной спецификой. Чтобы учесть это, оценка модели
будет производиться по уравнениям (18) и (19) с набором факторов, отражающих региональную специфику.
32
Раздел 2
Таблица 4. Результаты оценивания уравнения (59)
Матрица соседства
Матрица расстояний
Значение
Уровень значимости
Значение
Уровень значимости
γ
0,15375
0,304
-0,09292
0,622
b1
0,00063
0,936
0.001
0,899
b2
-0,01506
0,157
-0.01671
0,116
Таблица 5. Результаты оценивания уравнения без учета региональной
специфики (61)
Матрица соседства
Матрица расстояний
Значение
Уровень значимости
Значение
Уровень значимости
λ
0.16728
0.275
-0.09267
0.620
b1
0.00592
0.415
0.00766
0.248
Результаты оценки модели с учетом региональной специфики
Выбор набора факторов, учитывающих региональную специфику, является одним из самых сложных моментов эмпирического исследования и
зависит от характера исследования.
Факторы, отражающие региональную специфику
Выбор факторов, учитывающих региональную специфику, определяется целью данной работы. Таким образом, набор показателей подобран
так, чтобы нивелировать межрегиональные различия, которые могут быть
оценены как внешние эффекты регионального развития, тогда как в реальности таковыми не являются.
1. Параметры развития структуры региональных экономик.
В силу важной роли в экономике России добывающего сектора параметры развития структуры региональных экономик могут оказаться важным фактором регионального развития, кроме того, большое влияние на
экономический рост оказывают инвестиции. Как известно, пропущенные
33
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
переменные в регрессии приводят к смещению и несостоятельности оценок. Чтобы избежать этого в модель напрямую введены:
• темп роста добывающего сектора;
• темп роста обрабатывающего сектора;
• инвестиции на душу населения (млн. руб./чел.).
2. Развитие технологий.
Как было указано выше, теоретической основой для учета внешних
эффектов является предположение о диффузии технологий. Таким образом, чтобы получить качественные оценки внешних эффектов, необходимо учесть собственное технологическое развитие регионов. В качестве показателя технологического развития выбрано отношение полученных в
регионе патентов к ВРП.
3. Параметры инфраструктуры.
С теоретической точки зрения, интенсивность распространения
внешних эффектов зависит от развитости региональной и межрегиональной инфраструктуры. Таким образом, можно предполагать значимость для
учета внешних эффектов переменных, отражающих уровень развития
транспорта и связи. В связи с этим в модель введены следующие переменные:
• плотность автодорог (км/кв. км);
• развитость телефонной связи (аппаратов на 1000 чел.);
• развитость использования интернет-ресурсов (количество
компьютеров с подключением к интернет на 100 чел.).
4. Параметры географической неоднородности
Россия – самая большая по площади страна мира. Ее регионы находятся в разных климатических поясах, кроме того, историческое развитие
обусловило значительные различия в экономическом развитии. Для учета
этих факторов в модель введены фиктивные переменные принадлежности
к федеральным округам. Помимо этого значительную специфику имеют
Москва и Санкт-Петербург – города, являющиеся самостоятельными
субъектами Федерации – на сравнительно небольшой территории сосредоточено большое количество экономических объектов. Для них также введена фиктивная переменная. Учет перечисленных факторов позволит отразить специфику регионального развития.
Результаты оценивания модели
Прежде чем оценивать уравнения (60) и (61), необходимо проверить
набор факторов на мультиколлинеарность. Значения коэффициентов кор34
Раздел 2
реляции не превышают 50%, следовательно, можно сделать вывод об отсутствии мультиколлинеарности.
Ниже приведены оценки уравнения (60), полученные методом максимального правдоподобия с использованием модели SAR, а также оценки
уравнения (61), полученные с использованием модели SEM. Уравнения
дополнены факторами региональной специфики. Несмотря на то, что многие факторы в уравнении с полным набором оказались незначимы, в таблицах представлены результаты и по ним. Это сделано для того, чтобы
продемонстрировать высокую устойчивость оценок параметров воздействия дополнительных факторов и их значимости вне зависимости от выбора матрицы географических весов.
Как видно из таблицы 6, значимыми в обоих случаях (на уровне 10%)
оказываются начальный уровень развития региона, темп роста добывающей промышленности, инвестиции на душу населения, отношение количества зарегистрированных патентов к ВРП и принадлежность к Приволжскому и Уральскому федеральным округам. При использовании матрицы расстояний значимыми также становятся темп роста перерабатывающей промышленности и принадлежность к Центральному федеральному округу. Также необходимо заметить, что оценки значимых факторов
являются устойчивыми по отношению к выбору матрицы географических
весов.
Соотношение объясненной дисперсии и дисперсии объясняемой переменной составляет 0.398 и 0.435, что считается достаточно высоким показателем для эмпирических исследований такого характера.
Как видно из таблицы 7, значимыми в обоих случаях оказываются
начальный уровень развития региона, темпы роста добывающей и перерабатывающей промышленности, инвестиции на душу населения, значение
отношения количества зарегистрированных патентов к ВРП, а также принадлежность к Уральскому федеральному округу.
Заметим, что набор значимых факторов при оценке всех четырех моделей во многом совпадает. Таким образом, можно определить набор значимых факторов, влияющих на региональную специфику и, следовательно, на траекторию экономического роста регионов, это – начальный уровень развития региона, темпы роста добывающей промышленности, инвестиции на душу населения, значение отношения количества зарегистрированных патентов к ВРП, а также принадлежность к Уральскому федеральному округу.
35
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Таблица 6. Результаты оценки уравнения (60).
Переменная
Матрица соседства
Значение
Матрица расстояний
Уровень значимости Значение Уровень значимости
γ
-0.297
0.077
-0.662
0.000
b1
0.023
0.014
0.018
0.039
b2
-0.00033
0.978
0.00346
0.753
Добыча
0.03406
0.065
0.03153
0.064
Переработка
0.0678
0.115
0.10236
0.013
Инвестиции
0.328
0.005
0.314
0.004
Патенты к
ВРП
1.00585
0.053
0.99459
0.038
Телефоны
0.00011
0.189
0.00009
0.260
-7.11e-06
0.892
-1.25е-05
0.795
Интернет
0.00063
0.879
0.00129
0.734
Города
0.00527
0.839
-0.00864
0.716
ЦФО
0.01921
0.240
0.02499
0.097
СЗФО
0.01082
0.462
0.01245
0.347
ЮФО
0.022
0.236
0.02745
0.109
ПФО
0.02973
0.067
0.0351
0.017
УФО
0.04689
0.013
0.05
0.003
СФО
-0.00092
0.949
-0.0024
0.855
Автодороги
36
Раздел 2
Таблица 7. Результаты оценки уравнения (61)
Переменная
Матрица соседства
Матрица расстояний
Значение Уровень значимости Значение Уровень значимости
λ
-0.382
0.073
-0.828
0.000
b1
0.02
0.027
0.017
0.041
Добыча
0.0341
0.072
0.0282
0.095
Переработка
0.0733
0.101
0.1465
0.000
Инвестиции
0.326
0.005
0.362
0.002
Патенты к ВРП
0.9476
0.063
0.7829
0.102
Телефоны
0.00005
0.605
-0.00001
0.879
Автодороги
2.70e-06
0.951
-3.45е-05
0.385
Интернет
0.00156
0.709
0.00167
0.651
Города
-0.00412
0.882
0.00726
0.815
ЦФО
0.00612
0.659
0.00814
0.463
СЗФО
0.0039
0.741
0.0005
0.961
ЮФО
0.00756
0.608
0.00637
0.576
ПФО
0.01646
0.214
0.01614
0.132
УФО
0.03184
0.039
0.02378
0.044
СФО
-0.00884
0.484
-0.01363
0.815
37
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Полученные результаты позволяют сделать ряд выводов.
Во-первых, следует отметить, что параметр влияния начального
уровня развития региона представляет собой ни что иное, как темп собственной конвергенции региона к траектории стационарного развития. Во
всех четырех постановках модели этот показатель является значимым, и
его значения лежат в интервале от 0.017 до 0.023, что соответствует периоду преодоления половины расстояния до стационарной траектории
(half-life convergence) в 35–40 лет.
Во-вторых, во всех случаях инфраструктурные факторы оказались
невлияющими на экономический рост в регионах. Это говорит о том, что
пути распространения внешних эффектов не играют значительной роли в
региональном развитии.
В-третьих, значимым оказался параметр внутреннего технологического развития, т.е. на данный момент внутреннее развитие играет большую роль по сравнению с распространением технологий.
Теперь обратимся к интересующему нас показателю – параметру
влияния внешних эффектов. Во всех четырех постановках модели оценка
параметра внешних эффектов дала отрицательное значение, причем при
использовании матрицы соседств значимость характеризуется интервалом
5–10%, а при использовании матрицы расстояний значимость определяется 1% квантилью. Таким образом, можно принять гипотезу о наличии отрицательных внешних эффектов. Количественные оценки меры внешних
эффектов сильно расходятся. Так использование матрицы расстояний дает
оценки по модулю примерно в два раза большие по сравнению с оценками, полученными при использовании матрицы соседств. Это может быть
объяснено тем, что матрица расстояний учитывает большее количество
взаимодействий, а также в некоторой мере интенсивность взаимодействий. Таким образом, нельзя сделать окончательный вывод о количественной характеристике внешних эффектов регионального развития в Российской Федерации.
Интересным является сам факт наличия отрицательных внешних эффектов. С теоретической точки зрения, внешние эффекты обусловлены
развитием новых технологий в некотором регионе и распространением
этих технологий на соседние регионы. Таким образом, они должны создавать положительный толчок к развитию соседних регионов. Однако проведенное исследование говорит об обратном. Попытаемся дать теоретическое объяснение этому факту.
38
Раздел 2
В условиях низкого общего технологического развития и ограниченности ресурсов развитие и распространение новой технологии в некотором регионе требует привлечения дополнительного количества ресурсов,
которое идет в первую очередь из соседних регионов. Возникает конкуренция за ресурсы. Как известно, свободная конкуренция может приводить как к позитивным, так и негативным последствиям. Последний случай получил в литературе название ухудшающего отбора. Таким образом,
можно предполагать, что существующий в России характер конкуренции
за ресурсы носит негативный характер.
Дополнительным объяснением негативного характера конкуренции за
ресурсы может стать отсутствие в России ее свободного характера. Можно
предполагать большую роль администрирования ресурсных потоков в общем распределении ресурсов по регионам. Неэффективное администрирование (которое может быть связано с наличием межрегиональных барьеров) ресурсных потоков в свою очередь неизбежно приводит к неэффективному распределению ресурсов. В таких условиях неизбежно возникает
снижение реальных темпов роста экономики относительно потенциальных, о чем и говорит проведенное эмпирическое исследование.
Безусловно, данная ситуация носит негативный характер, который
необходимо преодолевать для дальнейшего экономического развития. Для
этого можно предложить следующие меры:
1) снижение административного давления на потоки движения
ресурсов;
2) открытость информации о развитии новых технологий;
3) создание общероссийского рынка ресурсов.
Все это позволит приблизить рынок ресурсов, необходимых для технологического развития, к состоянию свободной конкуренции и избежать
ситуации ухудшающего отбора. Тем самым повысится эффективность
межрегионального взаимодействия, что позволит избежать отрицательных
внешних эффектов в процессе регионального экономического развития.
2.2. Характеристики фискальной субфедеральной политики
2.2.1. Бюджетная обеспеченность
Оценка σ-конвергенции
Межрегиональные различия в бюджетной обеспеченности субъектов
Российской Федерации по абсолютной величине были и остаются значи39
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
тельно выше, чем неравенство по продуктивности экономик регионов. Если максимальное значение коэффициента вариации ВРП составляло 68% в
рассматриваемом периоде, то аналогичный показатель для бюджетных
доходов на душу населения достигал 246% в 2004 г. (табл. 8). Однако в
целом за период неоднородность в бюджетной обеспеченности территорий страны снизилась. Хотя этот процесс шел неравномерно, наблюдалось
умеренное снижение до 2000 г., затем шел очень быстрый рост различий в
размерах бюджетных средств регионов, а с 2005 г. эта тенденция сменилась резким их снижением.
Таблица 8. Коэффициент вариации бюджетных доходов на душу
населения
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
1,64
1,79
1,49
1,35
1,37
1,23
1,41
1,73
1,70
2,46
1,86 1,33 1,11
Для доходов консолидированного бюджета коэффициент вариации
показывает такую же динамику, как и индекс Тэйла. Оба показателя растут в период с 1995 по 2000 гг. и снижаются до 2002 года, в период с 2002
по 2007 гг. значение показателей изменяется не значительно.
Оценка β-конвергенции
Оценка общего результата в изменении различий в бюджетной обеспеченности территорий может быть сделана на основе модели безусловной конвергенции (табл. 9). Результаты оценивания показывают, что, в отличие от ВРП, наблюдалось сближение бюджетной обеспеченности населения регионов, коэффициент конвергенции является отрицательным и
равен 5,4%, следовательно, скорость конвергенции бюджетных доходов составила 9,3%, соответственно половина периода сходимости равна 7,5 лет.
Таблица 9. Оценки модели безусловной конвергенции для бюджетных
доходов на душу населения
Переменная
Коэффициент
Константа
Логарифм
бюджетных
доходов на душу населения в 1995 г.
Коэффициент детерминации
40
0,265
-0,054
Стандартная
t-статистика P-значение
ошибка
0,004
58,933
0,000
0,006
-9,314
0,000
0,52
Раздел 2
Оценки модели безусловной конвергенции для бюджетной обеспеченности субфедерального уровня (табл. 10) показали, что значимыми
факторами являются трудовые и инвестиционные ресурсы территории,
если бы региональные различия по ним отсутствовали, то темпы сближения доходов региональных бюджетов были бы выше. Коэффициент конвергенции вырастает до 6,5%.
Таблица 10. Оценки модели условной конвергенции для бюджетных
доходов на душу населения
Переменная
Константа
Логарифм бюджетных доходов на душу населения в
1995 г.
Темп роста трудоспособного населения
Темп роста инвестиций в
основной капитал
Фиктивная переменная для
Москвы
Коэффициент детерминации
Коэффициент
Стандартная
tP-значение
ошибка
статистика
0,749
0,681
1,098
0,276
-0,065
0,006
-11,203
0,000
-0,100
0,033
-3,014
0,004
0,025
0,010
2,643
0,010
0,104
0,033
3,112
0,002
0,63
Оценки характеристик σ-конвергенции и β-конвергенции показали,
что эффективность «экономического» и «социального» направлений в политике сглаживания межрегиональных различий сильно различалась. Неравенство в экономическом развитии и в продуктивности регионов России
не уменьшалось, эффекты макроэкономической стабилизации и высоких
темпов роста в стране продолжали распределяться неравномерно между
территориями. Механизмы и инициативы как федерального, так и регионального уровня, создающие преимущества отстающим регионам в виде
снижения издержек и государственных инвестиций, подавлялись и не создавали значимого компенсирующего влияния.
При этом показатели, характеризующие результаты политики, направленной на выравнивание бюджетной обеспеченности в регионах
страны, показали отчетливую тенденцию к сближению. Темпы снижения
различий по размерам доходов бюджетов субфедерального уровня на ду41
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
шу населения отличались высоким уровнем, что, очевидно, стало результатом существенного улучшения системы межбюджетных перераспределений, а также реализации ряда программ и проектов национального
уровня, направленных на улучшение таких важных характеристик качества жизни, как образование, здравоохранение, жилищно-коммунальная
сфера и транспортная инфраструктура.
Таким образом, бюджетный аспект снижения межрегиональных различий был более успешным. При этом, очевидно, результаты данного направления доходили непосредственно до населения территорий и ощущались практически всеми его категориями. Признавая важность экономических мер стимулирования развития отстающих территорий, следует признать, что до последнего времени их действенность уступает инструментам снижения фискального неравенства в стране.
Однако в рамках субфедерального бюджета одного размера могут
реализовывать различные политики и делаться акценты на различные направления развития услуг. Рассмотрим более детально характеристики
фискальной субфедеральной политики.
2.2.2.
Характеристики фискальной политики
Для анализа фискальных параметров субфедеральной политики выделено 10 показателей, шесть показателей характеризуют доходы бюджета,
четыре показателя – расходы бюджета.
В составе доходов бюджета рассматриваются:
1. Налоговые доходы – доходы от налоговых поступлений. Источником налогов является экономическая деятельность на территории региона. Мобилизованная часть созданного конечного продукта с помощью
налогов становится ресурсом государственной политики.
Из налоговых доходов выделяются 2 группы налогов:
• Налоги на прибыль.
• Налоги на доходы физических лиц (НДФЛ).
В региональный бюджет поступает 73% от налога на прибыль и 100%
от НДФЛ. Данные налоги являются федеральными, и их ставки унифицированы для всех регионов.
2. Неналоговые доходы. Неналоговые доходы консолидированных
бюджетов субъектов РФ включают в соответствии с Бюджетным Кодексом РФ:
9 доходы от использования имущества, находящегося в собственности субъектов РФ и в муниципальной собственности;
42
Раздел 2
9 доходы от платных услуг, оказываемых бюджетными учреждениями;
9 штрафы за нарушение гражданского, административного, уголовного и другого законодательства;
9 части прибыли унитарных предприятий, созданных субъектами РФ или органами местного самоуправления;
9 плата за негативное воздействие на окружающую среду (80%);
9 сборы за выдачу лицензий на осуществление видов деятельности, связанной с оборотом этилового спирта, алкогольной и
спиртосодержащей продукции.
В некотором смысле неналоговые доходы могут рассматриваться как
доходы от предприимчивости властей – насколько верно и эффективно
они могут использовать имеющуюся в распоряжении собственность. Неналоговые доходы можно рассматривать как один из показателей приспособления региональной власти к рыночной среде. Также данный вид поступлений интересен ввиду того, что в последнее время происходит устойчивый рост доли данного показателя в доходах бюджета. Доля суммарных неналоговых доходов в общей величине доходов по консолидированным бюджетам субъектов РФ увеличилась с 5% в 1996 г. до 10% в
2007 г.
3. Собственные доходы бюджета – сумма налога на прибыль и налога на доходы физических лиц. Отражает доходы бюджета без безвозмездных поступлений из бюджетной системы страны. Разница между собственными доходами и расходами бюджета определяет его самостоятельность.
4. Общие доходы бюджета объединяют все доходы консолидированного регионального бюджета, но в данной статье не учитываются трансферты, передаваемые между региональными и местными бюджетами.
В составе расходов рассматриваются:
1. Общие расходы, которые могут не совпадать с доходами бюджета, главная функция бюджетных расходов – финансовое обеспечение выполнения функций, возложенных на органы власти. В данной работе выделяются три основных направления расходов субфедеральных бюджетов.
2. Расходы на жилищно-коммунальное хозяйство, которые являются
одним из основных направлений бюджетных расходов и финансируют
важную составляющую жизнедеятельности экономических субъектов.
Основное финансирование отрасль жилищно-коммунального хозяйства
получает из бюджета, поэтому рост расходов на финансирование данной
43
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
отрасли в основном определяет динамику ее развития. Бюджетные расходы на жилищно-коммунальное хозяйство финансируются за счет территориальных бюджетов: 31% приходится на региональные бюджеты и 69% –
на местные бюджеты. Полностью из бюджета оплачиваются расходы на
дорожное хозяйство, освещение, озеленение и уборку территорий. Водопроводно-канализационное хозяйство получает средства только на капитальные вложения. Большинство основных отраслей финансируются за
счет оплаты услуг, предоставляемых субъектам экономической деятельности и за счет бюджетных дотаций.
3. Расходы на образование. В данной статье отражаются расходы на
содержание и функционирование системы государственных и муниципальных учреждений. Образование финансируется из всех уровней бюджетов. Расходы на образование занимают в среднем 26% расходов консолидированных территориальных бюджетов.
4. Расходы на социальную политику. В данный раздел включается
финансирование социально-бытовой инфраструктуры, под которой понимается комплекс обслуживающих население и основное производство отраслей производственной и непроизводственной сферы, включающий образование, культуру, здравоохранение и физическую культуру, социальное обеспечение, торговлю и общественное питание, бытовое обслуживание населения.
2.2.3.
Темпы роста фискальной сферы субфедерального
уровня
Наличие серьезных различий между экономическими, географическими и институциональными характеристиками субъектов экономической деятельности привело к существенным межрегиональным отличиям
в уровне цен. Для сравнения исследуемых переменных между регионами
все показатели приводились к единым ценам через стоимость фиксированного набора товаров и услуг, который включает в себя 83 наименования товаров и услуг. Затем переменные фискальной политики приводились к ценам 1996 года через индексы потребительских цен и далее к
среднедушевым показателям.
Из рассматриваемых показателей за период с 1996 по 2007 годы лишь
по одной статье (расходы на жилищно-коммунальное хозяйство) наблюдался отрицательный темп прироста, при этом остальные 10 показателей
характеризовались положительными темпами прироста:
44
Раздел 2
Таблица 11. Темпы роста характеристик фискальной сферы
Наименование показателя
Доходы бюджета
Собственные доходы
Средний по регионам России
годовой темп прироста
4%
3%
Налоговые доходы
3%
Налоги на прибыль
4%
Налоги на доходы физических лиц
8%
Неналоговые доходы
10%
Расходы бюджета
3%
Расходы на жилищно-коммунальное хозяйство
-4%
Расходы на образование
4%
Расходы на социальную политику
7%
Валовой региональный продукт
4%
Наибольшие темпы прироста наблюдались по неналоговым доходам,
частично это связано с расширением базы неналоговых доходов, и по налогам на доходы физических лиц, что обусловлено устойчивым ростом за
рассматриваемый период доходов населения, выходом из «тени» части
бизнеса и расширением учетной базы зарплат. Наблюдались также высокие темпы роста средних расходов на социальную политику.
2.2.4.
Анализ распределения характеристик субфедеральной
фискальной политики
Одним из показателей характера роста фискальной политики служит
изменение распределения расходов по регионам – чем ниже пик и чем
толще правый хвост распределения, тем справедливей происходит распределение доходов и расходов.
Ниже на графиках приведены ядерные оценки плотностей переменных фискальной политики в 1996 (сплошная линия) и в 2007 (пунктирная
линия) годах.
45
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
0,1%
0,1%
0,1%
0,1%
0,1%
0,0%
0,0%
0,0%
0,0%
0,0%
0
2000
4000
6000
8000
Рисунок 4. Общие доходы субфедеральных бюджетов
0,0009
0,0008
0,0007
0,0006
0,0005
0,0004
0,0003
0,0002
0,0001
0
0
1000
2000
3000
4000
5000
6000
Рисунок 5. Собственные доходы субфедеральных бюджетов
46
Раздел 2
0,0009
0,0008
0,0007
0,0006
0,0005
0,0004
0,0003
0,0002
0,0001
0
0
1000
2000
3000
4000
5000
6000
Рисунок 6. Налоговые доходы субфедеральных бюджетов
0,016
0,014
0,012
0,01
0,008
0,006
0,004
0,002
0
0
500
1000
1500
Рисунок 7. Неналоговые доходы субфедеральных бюджетов
47
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
0,0035
0,003
0,0025
0,002
0,0015
0,001
0,0005
0
0
1000
2000
3000
4000
Рисунок 8. Налог на прибыль в субфедеральных бюджетах
0,005
0,0045
0,004
0,0035
0,003
0,0025
0,002
0,0015
0,001
0,0005
0
0
500
1000
1500
Рисунок 9. Налог на доходы физических лиц в субфедеральных бюджетах
48
Раздел 2
0,0009
0,0008
0,0007
0,0006
0,0005
0,0004
0,0003
0,0002
0,0001
0
0
2000
4000
6000
8000
Рисунок 10. Общие расходы субфедеральных бюджетов
0,0035
0,003
0,0025
0,002
0,0015
0,001
0,0005
0
0
500
1000
1500
2000
2500
3000
3500
Рисунок 11. Расходы на жилищно-коммунальное хозяйство
субфедеральных бюджетов
49
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
0,01
0,009
0,008
0,007
0,006
0,005
0,004
0,003
0,002
0,001
0
0
200
400
600
800
Рисунок 12. Расходы на социальную политику
0,004
0,0035
0,003
0,0025
0,002
0,0015
0,001
0,0005
0
0
500
1000
1500
2000
Рисунок 13. Расходы на образование
50
2500
Раздел 2
Из приведенных графиков видно, что наблюдается рост всех показателей, так как наблюдается сдвиг распределения вправо, за исключением финансирования жилищно-коммунального хозяйства. Снижение затрат на ЖКХ может свидетельствовать о том, что региональное правительство все меньше участвует в финансировании данной сферы, перекладывая затраты на других экономических субъектов. Выделение острой высокой вершины и сильное смещение скошенности распределения влево
свидетельствуют о том, что процесс характерен для большинства субъектов и при этом должен характеризоваться снижением межрегионального
неравенства.
Выросшие показатели можно разбить на две группы: группу сильного
роста и группу слабого роста. К первой группе относятся следующие статьи: общие расходы, налог на доходы физических лиц, неналоговые доходы и общие доходы бюджетов. Ко второй группе можно отнести налоги на
прибыль предприятий, налоговые доходы и собственные доходы бюджетов. По этим статьям отчетливо выделяется слабый сдвиг вершины распределения и появление мощного выступа с правой стороны. Данный выступ скорее всего связан с особенностями ряда регионов, в которых были
созданы условия для эффективного управления бизнесом и произошло
существенное расширение налогооблагаемой базы.
Хорошим показателем характеристики роста в контексте данного
подхода может являться наличие асимметрии в распределении и ее изменение. Идеальным вариантом является наличие абсолютной левой асимметрии – в этом случае все регионы характеризуются одинаковым уровнем доходов (расходов) и отсутствием неравенства. В нашем случае все
выборки характеризуются правой асимметрией. Соответственно, сдвиг
скошенности распределения справа налево может служить показателем
снижения неравенства (табл. 12).
Если распределить характеристики фискальной политики на группы,
отнеся их, с одной стороны, к показателям, по которым произошел сдвиг
асимметрии влево или вправо, а с другой стороны, на те, по котором наблюдался сильный или слабый рост, то получится группировка, представленная в таблице ниже (табл. 13).
51
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Таблица 12. Характристика асимметрии в субфедеральной фискальной
политике
Статьи субфедеральных
бюджетов
Общие доходы
Собственные доходы
Скошенность
распределения1
1996 г.
2,8
Скошенность расИзменение
пределения 2007 г. скошенности, %
1,4
1,7
-39%
1,5
10%
Налоговые доходы
0,8
1,6
108%
Налоги на прибыль
Налоги на доходы физ.
лиц
Неналоговые доходы
1,1
2,9
159%
1,2
0,8
-29%
6,8
3,8
-44%
Расходы бюджета
2,7
1,9
-32%
Расходы на ЖКХ
5,1
2,9
-43%
Расходы на образование
Расходы на социальную
политику
2,7
2,8
5%
1,4
1,0
-27%
Таблица 13. Распределение характеристик фискальной политики по
группам
Сильный рост
Слабый рост
Общие доходы
Неналоговые доходы
Сдвиг асимметНалог на доходы физических лиц
рии влево
Общие расходы
Расходы на социальную политику
Сдвиг асимметРасходы на образование
рии вправо
Собственные доходы
Налоговые доходы
Налоги на прибыль предприятий
1
Скошенность распределения оценивается нормированным третьим центральным моментом: положительное значение соответствует правой асимметрии, отрицательной значение – левой асимметрии.
52
Раздел 2
Характеристики фискальной политики условно разбились на две
группы. В первую группу, со слабым ростом и сдвигом ассиметрии вправо, попали показатели, которые непосредственно связаны с уровнем экономического развития региона. Во вторую группу, для которой характерен
сильный рост и сдвиг асимметрии влево, попали показатели, которые связаны с уровнем обеспеченности региона финансами и предоставления
бюджетных услуг и помощи населению.
Можно сделать заключение, что выравнивающая политика федерального центра приносит успехи в выравнивании обеспеченности территориальных бюджетов, по крайней мере в области расходов. С другой стороны,
данная политика не позволяет развивать собственную экономическую базу регионов. Значительный рост собственной доходной базы происходит
только в ограниченном числе регионов, при этом рост бюджетных ресурсов этих территорий, сопровождался вкладом в рост межрегионального
неравенства.
2.2.5.
Оценка σ-конвергенции
Одним из естественных выводов могло бы быть предположение, что
проводимая активная политика межбюджетных перераспределений и реализация крупных национальных проектов в области общественных финансов должны привести к более однородным бюджетным характеристикам в регионах страны. Однако по динамике дисперсии крупных доходных и расходных категорий (табл. 14) нельзя сделать вывод о сближении
субфедеральных бюджетных параметров в стране.
Данные о дисперсии показателей экономического развития, неоднородности бюджетных характеристик, а также о распределении финансовых ресурсов между уровнями власти позволяют сформулировать ряд гипотез анализа, которые будут подвергаться тестированию.
Гипотеза 1. В условиях большой региональной неоднородности политика централизации управления региональным развитием является неэффективной и не снижает межрегионального неравенства. Конвергенция
характеристик субфедеральной бюджетной политики отсутствует.
Гипотеза 2. Значительная региональная неоднородность в России является фактором, препятствующим унификации бюджетных параметров
территорий, в стране отсутствует тенденция к единой стратегии фискальной субфедеральной политики.
Гипотеза 3. Большие межрегиональные различия определяют различные стратегии бюджетной субфедеральной политики.
53
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Гипотеза 4. Важным фактором, определяющим параметры фискальной политики субфедерального уровня, являются внешние пространственные эффекты. Политика субъектов Федерации оказывается территориально обусловленной.
Таблица 14. Коэффициенты вариации бюджетных характеристик
на душу населения
Общие
бюджетные
расходы
0,95
Расходы на инфраструктуру
1995
Налоговые
бюджетные
доходы
-
-
-
Расходы на
социальную сферу
-
1996
0,52
1,06
0,53
1,11
0,82
1997
0,54
0,90
0,60
0,99
0,79
1998
0,49
1,31
0,60
0,80
0,76
1999
0,53
1,02
0,66
0,88
0,75
2000
0,76
1,08
1,81
0,81
0,73
2001
0,89
0,90
2,10
1,01
0,90
2002
1,05
0,80
0,75
2,06
1,03
2003
1,14
0,68
0,91
3,43
1,08
2004
2,47
0,52
1,54
3,53
1,06
2005
1,47
0,62
1,87
3,60
1,12
2006
0,51
1,09
2,01
3,84
1,39
2007
0,62
0,89
1,95
3,51
1,34
2.2.6.
Расходы
на ЖКХ
Модель безусловной β-конвергенции
Ниже приведены результаты оценки (табл. 15) моделей безусловной
конвергенции для рассматриваемых характеристик субфедеральных
бюджетов.
Как видно из полученных результатов, доходы территориальных
бюджетов, за исключением неналоговых доходов, характеризуются отсутствием безусловной конвергенции, при этом по всем расходным статьям
наблюдается сходимость. Таким образом, для регионов отсутствует общая
стационарная траектория для доходов, основанных на важнейших видах
54
Раздел 2
налоговых поступлений. С другой стороны, выявлено наличие такой траектории для расходной части бюджетов, что, очевидно, является следствием проводимой федеральным центром политики перераспределения и
обеспечения минимальных гарантированных стандартов бюджетных услуг.
Таблица 15. Результаты оценивания безусловной конвергенции
Собственные доходы
Коэффи- Уровень
циент β значимости
BIC
Скорость
конвергенции
-0,01012
-4,16
-
Половина
периода
сходимости
-
Налоговые доходы
-0,00742
-4,21
-
-
Налог на прибыль
-0,00057
-2,76
-
-
НДФЛ
-0,00983
-5,04
-
-
Неналоговые доходы
-0,06985
***
-2,85
13,3%
5,2
Общие расходы
-0,03685
***
-4,50
4,7%
14,7
Расходы на ЖКХ
-0,02060
**
-3,34
2,3%
29,7
Образование
-0,02497
***
-4,81
2,9%
23,7
Социальная политика
-0,07573
***
-4,51
16,3%
4,3
Однако полученные оценки могут быть смещенными и несостоятельными из-за возможного наличия пространственных связей между регионами. Для ответа на этот вопрос необходимо провести соответствующие
тесты.
2.2.7.
Диаграмма рассеяния Морана
Как отмечалось, обычно исследование пространственной зависимости
начинается с построения диаграммы рассеяния Морана. В приложении 1
приведены диаграммы для всех исследуемых переменных по двум типам
матриц пространственного лага: матрицы соседства и матрицы расстояний. В большинстве случаев наклоны линий регрессий для матриц совпали. Разные результаты получены только для общих расходов бюджетов,
матрица расстояний указывает на отрицательную пространственную
связь, а матрица соседства – на положительную.
55
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Для большинства показателей характерен положительный наклон линии регрессии, что означает присутствие положительных пространственных экстерналий, высокие фискальные характеристики регионов стимулируют их рост у соседних территорий. Отрицательный наклон линии характерен для расходов на жилищно-коммунальное хозяйство, что трактуется
как экономия затрат за счет эффектов, генерируемых соседями. Однако
следует отметить, что для переменных «Налог на прибыль», «Налоговые
доходы», «Расходы на социальную политику», «Собственные доходы»
матрица расстояний имеет угол наклона очень близкий к нулевому. Это
дает повод предположить, что структура пространственных связей, задаваемая матрицей расстояний, не является адекватной спецификацией.
По диаграммам рассеяния переменные можно разделить на три
группы:
1. Облако наблюдений темпов прироста показателей сосредоточено в небольшой окрестности, это относится к налоговым доходам,
налогу на прибыль и собственным доходам. Для этих показателей,
влияние пространственного фактора, скорее всего, будет незначимым.
2. Облако наблюдений темпов прироста вытянуто в достаточно
узкий эллипс, группа таких характеристик включает неналоговые доходы для матрицы соседств, налог на доходы физических лиц, расходы на жилищно-коммунальное хозяйство, расходы на социальную
политику, расходы на образование. Можно предположить, что пространственные экстерналии оказывают влияние на темпы роста этих
характеристик.
3. Облако наблюдений растянуто в разные стороны, четой тенденции не прослеживается, к этой категории относятся неналоговые
доходы для матрицы расстояний и общие расходы. Выдвинуть гипотезу о влиянии пространственных связей на динамику этих показателей трудно, необходимо дополнительное тестирование.
Наличие долгосрочной тенденции пространственной кластеризации
регионов по средним темпам роста можно предположить только для второй группы. Для первой и для третьей групп характерно наличие как положительной, так и отрицательной пространственной корреляции, что
свидетельствует о неоднородности в развитии территорий.
В целом, по результатам анализа диаграмм рассеяния можно выдвинуть гипотезу о влиянии пространственного фактора на изменение характеристик фискальной политики, что особенно четко проявляется во второй
56
Раздел 2
группе выделенных переменных, слабо проявляется в третьей и почти не
проявляется в первой.
2.2.8.
Пространственные тесты
Диаграммы рассеяния Морана не дали однозначного ответа о структуре пространственных связей. Это потребовало провести процедуру формального тестирования.
В табл. 16–17 приведены результаты тестов на наличие пространственной корреляции для остатков модели абсолютной конвергенции, оцененной методом наименьших квадратов.
Результаты тестов показывают, что моделирование структуры пространственного влияния через матрицу расстояний приводит к тому, что
влияние межрегиональных связей значимо не для всех показателей, в отличие от матрицы соседств, для которой тесты показали, что влияние
внешних пространственных эффектов значимо для изменения всех исследуемых переменных. Соответственно, можно сделать заключение, что для
моделей абсолютной конвергенции, матрица соседства более адекватно
отражает специфику межрегиональных взаимодействий.
Таблица 16. Тесты на пространственную корреляцию по матрице
расстояний
Матрица расстояний
Moran's I
(*)
LM_err
(*)
LM_lag (*)
Доходы бюджета
0,02
0,26
0,16
Собственные доходы
0,05
1,09
0,60
Налоговые доходы
0,06
1,68
1,34
Налоги на прибыль
0,04
0,69
0,68
НДФЛ
0,18
***
17,09
***
11,21
***
Неналоговые доходы
0,17
***
14,75
***
6,32
**
Расходы бюджета
0,00
Расходы на ЖКХ
-0,13
**
8,68
***
9,42
***
Расходы на образование
0,14
***
12,91
***
8,20
***
Расходы на социальную политику
0,16
***
9,41
***
ВРП
0,06
0,00
1,79
0,52
2,82
2,07
57
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Таблица 17. Тесты на пространственную корреляцию по матрице
соседства
Матрица соседств
Moran's I
(*)
LM_err
(*)
LM_lag
(*)
Доходы бюджета
0,19
***
8,89
***
2,70
Собственные доходы
0,18
***
8,09
***
7,13
***
Налоговые доходы
0,19
***
8,70
***
7,96
***
Налоги на прибыль
0,13
**
4,43
**
4,40
**
НДФЛ
0,29
***
20,82
***
17,49
***
Неналоговые доходы
0,20
***
9,87
***
7,78
**
Расходы бюджета
0,15
**
5,50
**
1,54
Расходы на ЖКХ
-0,16
**
5,96
**
9,77
***
Расходы на образование
Расходы на социальную
политику
ВРП
0,20
***
35,12
***
21,49
***
0,38
***
9,56
***
7,13
**
0,27
***
17,81
***
19,30
***
Для тех фискальных характеристик, для которых внешние пространственные эффекты оказались значимыми по результатам тестов, модель
была расширена путем включения межрегиональных влияний. Оценки
моделей пространственного лага и пространственной ошибки приведены в
таблицах ниже (табл. 18–21).
58
Раздел 2
β
(*)
Лаг
(*)
BIC
Скорость конвергенции
Половина периода
сходимости
Таблица 18. Оценка модели абсолютной конвергенции с использованием
SAR модели и матрицы расстояний
НДФЛ
Неналоговые
доходы
-0,01228
**
0,38595
**
-5,05
1,3%
52,5
-0,07059
***
0,313047
**
-2,84
13,6%
5,1
ЖКХ
-0,02043
**
-0,51322
**
-3,36
2,3%
30,0
Образование
-0,0248
***
0,322609
*
-4,80
2,9%
23,9
Матрица расстояний SAR
β
(*)
Лаг в ошибке
(*)
BIC
Скорость конвергенции
Половина периода сходимости
Таблица 19. Оценка модели абсолютной конвергенции с использованием
SEM модели и матрицы расстояний
-0,0172
***
0,488428
***
-5,09
1,9%
36,3
-0,0714
***
0,451044
***
-2,87
14,0%
5,0
-0,01718
**
-0,48162
**
-3,35
1,9%
36,4
Образование
-0,02815
Социальная по-0,07712
литика
***
0,403617
**
-4,82
3,4%
20,6
***
0,354504
**
-4,50
17,1%
4,0
Матрица
расстояний SEM
НДФЛ
Неналоговые
доходы
ЖКХ
59
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
**
*
***
**
**
***
**
-4,16
-4,20
-2,73
-5,09
-2,86
-3,36
-4,88
-4,51
Скорость
конвергенции
Половина
периода
сходимости
**
***
**
***
***
0,259481
0,284517
0,249163
0,342612
0,227425
-0,36759
0,36662
0,241353
BIC
-0,01117
-0,00826
-0,00101
-0,01161
-0,06636
-0,01925
-0,02491
-0,07779
(*)
Лаг
Собственные доходы
Налоговые доходы
Налог на прибыль
НДФЛ
Неналоговые доходы
ЖКХ
Образование
Социальная политика
β
Матрица соседств
SAR
(*)
Таблица 20. Оценка модели абсолютной конвергенции с использованием
SAR модели и матрицы соседства
1,2%
11,9%
2,2%
2,9%
17,6%
55,8
5,8
32,0
23,8
3,9
60
***
***
***
***
***
-0,01404
0,303291
0,252644
0,415223
0,333339
0,246219
-0,32663
0,478713
0,441525
**
**
*
***
**
*
**
***
**
-4,16
-4,21
-2,73
-5,12
-2,86
-4,48
-3,33
-4,96
-4,51
Скорость
конвергенции
Половина
периода
сходимости
BIC
*
(*)
-0,01404
-0,0107
-0,00296
-0,01658
-0,06982
-0,04176
-0,01334
-0,03293
-0,07514
Лаг в ошибке
Собственные доходы
Налоговые доходы
Налог на прибыль
НДФЛ
Неналоговые доходы
Расходы
ЖКХ
Образование
Социальная политика
(*)
Матрица соседств_SEM
β
Таблица 21. Оценка модели абсолютной конвергенции с использованием
SEM модели и матрицы соседства
1,5%
45,5
1,8%
13,3%
5,6%
37,9
5,2
12,4
4,1%
15,9%
17,0
4,4
Раздел 2
Выбор окончательного варианта пространственной модели опирался
на Байесовский информационный критерий (BIC): спецификация модели
более корректна, если значение BIC меньше. Таким образом, для каждой
переменной фискальной политики была получена окончательная спецификация и оценка модели безусловной конвергенции (табл. 22).
ЖКХ
Образование
Социальная
политика
-
-0,000
Соседства
-0,017
Расстояния -0,071
Половина периода
сходимости
-0,011
Скорость конвергенции
Соседства
(*)
ML
SEM
ML
SEM
OLS
ML
SAR
ML
SEM
ML
SAR
-0,014
**
1,5%
45,5
***
1,8%
37,9
***
14,0%
5,0
4,7%
14,7
λ/ρ
Неналоговые
доходы
Расходы
OLS
Соседства
(*)
НДФЛ
ML
SEM
ML
SEM
β
Собственные
доходы
Налоговые
доходы
Налог на прибыль
Тип матрицы
Показатель
Метод_Модель
Таблица 22. Окончательная спецификация и результаты оценивания
модели безусловной конвергенции
*
-0,01
0,30
**
***
0,42
***
0,45
-
-0,037
***
Соседства
-0,019
**
-0,37
**
2,2%
32,0
Соседства
-0,033
***
0,48
***
4,1%
17,0
Соседства
-0,078
***
0,24
**
17,6%
3,9
Для уверенности в хороших свойствах полученных оценок необходимо проверить остатки модели на гомоскедастичность. Проверка гипотезы
для моделей МНК осуществлялась тестом Брюша-Пагана / КукаВейсберга (Breusch-Pagan / Cook-Weisberg). Для пространственных моде61
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
лей проверка осуществлялась при помощи оценки соответствующей tстатистики вспомогательной регрессии квадратов остатков на расчетные
значения переменной. Результаты приведены в табл. 23.
Таблица 23. Результаты проверки ошибки на гомоскедастичность
χ21
t-статистика
(*)
Собственные доходы
0,30
0,76
Налоговые доходы
0,77
0,44
Налог на доходы физических лиц
0,18
0,86
Неналоговые доходы
-1,04
0,30
Жилищно-коммунальное хозяйство
-0,36
0,72
Образование
-2,32
0,02
Социальная политика
-1,17
0,25
Налог на прибыль
Расходы
1,41
0,73
(*)
0,24
0,39
Результаты показали наличие гетероскедастичности для модели конвергенции расходов на образование. Следовательно, стандартная ошибка
коэффициента является смещенной и несостоятельной, а оценка коэффициента неэффективной. Так как предварительный анализ свидетельствовал
о снижении межрегиональных различий, то можно считать коэффициент
конвергенции значимым, оценка коэффициента является несмещенной и
состоятельной. Гетероскедастичность в данном случае, скорее всего, связана с наличием пропущенной переменной в уравнении регрессии. Далее
регрессия будет дополнена региональными факторами, и проблема гетероскедастичности будет решена. Для остальных переменных гипотеза о
гомоскедастичности не отвергается.
Таким образом, оценка модели безусловной β-конвергенции дала следующие результаты.
1) Выявлено наличие процесса конвергенции фискальной политики к общей для всех регионов траектории устойчивого роста для
следующих переменных: налоги на доходы физических лиц, неналоговые доходы, общие расходы бюджета, расходы на жилищно62
Раздел 2
коммунальное хозяйство, расходы на образование, расходы на социальную политику.
2) Самой большой скоростью конвергенции характеризуются
субфедеральные расходы на социальную политику и неналоговые
доходы. Медленнее всего сближается уровень расходов на жилищнокоммунальное хозяйство и налогов на доходы физических лиц.
3) Собственные доходы, налоговые доходы и налог на прибыль
характеризуются отсутствием процесса абсолютной конвергенции.
Эти характеристики фискальной политики не демонстрируют
сходимости к общей траектории стационарного роста.
4) На изменение большинства фискальных региональных
характеристик оказывают влияние соседние регионы. Исключение
составляют налог на прибыль и общие расходы консолидированного
бюджета.
Рост
собственных
доходов
также
подвержен
пространственному влиянию соседних регионов, но это влияние
является сравнительно слабым (λ=-0,01).
5) Для всех показателей, кроме отмеченных в пункте 2, и
расходов на жилищно-коммунальное хозяйство характерны
положительные пространственные экстерналии, то есть более
динамичные регионы находятся в окружении быстрорастущих
территорий. Для расходов на жилищно-коммунальное хозяйство
характерна обратная зависимость. По данной статье бюджета
выявлен отрицательный темп роста, при этом регионы, которые
сокращают расходы на жилищно-коммуналтьное хозяйство
существенно, находятся в окружении регионов, которые это
направление расходов изменяют в меньшей степени.
В целом, можно сделать вывод, что государственная политика в области межбюджетных перераспределений финансовых ресурсов приводит
в определенной мере к достижению поставленных целей – более справедливому в социальном плане наполнению региональных бюджетов. Расходы бедных бюджетов растут быстрее, чем расходы богатых. С другой стороны, не наблюдается аналогичной тенденции в доходной части бюджета,
в частности по налогу на прибыль и по собственным доходам региональных бюджетов. Рост расходной части бюджетов бедных регионов обеспечивается в основном за счет трансфертной политики государства. Увеличение бюджетных доходов в бедных регионах сопровождается слабым
ростом собственных доходов, что подчеркивает отсутствие конвергенции
по показателю валового регионального продукта. Различие в характере
63
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
роста доходов и расходов бюджета объясняется работой системы выравнивания обеспеченности субфедеральных бюджетов.
2.2.9.
Модель условной β-конвергенции
Анализ значимости географического и административного факторов
Регионы Российской Федерации принадлежат 7 федеральным округам, которые сильно различаются по промышленному и ресурсному потенциалу, по развитию инфраструктуры и по многим другим показателям.
Фиктивная переменная принадлежности региона к определенному федеральному округу может отразить комплекс факторов, влияющих на положение траектории устойчивого роста:
• время освоения, развитие институтов и региональной инфраструктуры;
• удаленность от столицы государства, степень контроля за
регионом и криминализация общества и государственных
структур;
• обеспеченность ресурсным и промышленным потенциалами,
направления специализации экономик входящих в федеральный округ субъектов;
• политику, проводимую отдельным полномочным представителем президента на территории Федерального округа;
• климатические условия.
Учитывая важность перечисленных условий, дальнейший анализ отходит от предположения о сходимости регионов к общей траектории устойчивого роста. Ввиду наличия серьезных пространственных различий
вполне логично выдвинуть гипотезу о нескольких различных траекториях
в зависимости от перечисленных выше факторов. Данное предположение
подкрепляет диаграмма рассеяния Морана для стандартизированных значений уровня развития экономики регионов в 1996 году по матрице соседства, приведенная ниже.
В правом верхнем и левом нижнем квадрантах располагаются 60 регионов из 77. Получаем, что высокоразвитые регионы граничат с высокоразвитыми регионами, а слаборазвитые регионы граничат со слаборазвитыми регионами в 80% случаев. Логично предположить, что подобная
кластеризация может быть связана с организационной структурой федеральных округов. Следовательно, для каждого федерального округа может
быть своя траектория устойчивого роста.
64
Раздел 2
3
2
1
0
‐4,0
‐2,0
0,0
2,0
4,0
6,0
‐1
‐2
‐3
Рисунок 4. Диаграмма Морана для стандартизированных значений уровня
ВРП в 1996 году по матрице соседства
Проверка влияния принадлежности к Федеральному округу на темпы
прироста бюджетных характеристик регионов проводится на основе теста
Вальда (для оценок максимального правдоподобия пространственных регрессий) или статистики Фишера (для оценок метода наименьших квадратов), нулевая гипотеза Н0: fo_1=fo_2=fo_3=fo_4=fo_5=fo_6=0, – где fo_i –
коэффициент при i-ой фиктивной переменной. Фиктивных переменных
вводится всего 6, чтобы избежать вырожденности матрицы регрессоров.
Ниже приведены результаты оценивания метода наименьших квадратов (табл. 24) для модели условной конвергенции с федеральными округами и результаты тестов (табл. 25–26) на наличие пространственных эффектов.
65
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Скорость
конвергенции
Половина
периода
сходимости
BIC
(*)
(*)
β
Fстатистика
(fo_i = 0)
Таблица 24. Результаты оценивания методом наименьших квадратов
условной конвергенции
Собственные доходы
-0,01613
*
Налоговые доходы
-0,01255
Налог на прибыль
-0,00670
НДФЛ
-0,01965
***
Неналоговые доходы
-0,07365
***
2,07
*
-2,67 15,1%
4,6
Общие расходы
-0,04293
***
3,11
**
-4,40
5,8%
11,9
ЖКХ
-0,03032
***
1,56
-3,13
3,7%
18,8
Образование
-0,03331
***
6,72
***
-4,93
4,1%
16,7
Социальная политика
-0,07806
***
3,91
***
-4,46 17,8%
3,9
3,17
***
-4,07
1,8%
39,0
3,69
***
-4,15
1,4%
51,3
2,33
**
-2,60
0,7%
99,5
5,04
***
-5,07
2,2%
31,3
Матрица расстояний
Moran's I
(*)
LM_err
(*)
LM_lag
(*)
Таблица 25. Тесты на пространственную корреляцию по матрице
расстояний
Собственные доходы
-0,13
**
8,63
***
5,65
**
Налоговые доходы
-0,14
**
9,89
***
6,18
**
Налоги на прибыль
-0,09
4,10
**
2,85
Налоги на доходы физических лиц
-0,06
1,99
1,45
Неналоговые доходы
0,05
1,09
1,09
Общие расходы бюджета
-0,14
**
9,54
***
11,73
***
ЖКХ
-0,20
***
15,86
***
16,26
***
Расходы на образование
-0,13
**
8,17
***
5,82
**
Расходы на социальную политику
-0,01
66
0,07
0,84
Раздел 2
0,02
Собственные доходы
-0,01
Налоговые доходы
-0,03
0,27
0,07
Налоги на прибыль
0,01
0,02
0,07
Налоги на доходы физических лиц
-0,02
0,11
0,01
Неналоговые доходы
0,08
1,38
4,51
Общие расходы бюджета
-0,10
2,42
1,71
ЖКХ
-0,24
Расходы на образование
-0,04
0,94
0,06
Расходы на социальную политику
-0,06
0,32
0,14
***
14,87
(*)
LM_lag
(*)
LM_err
(*)
Матрица соседства
Moran's I
Таблица 26. Тесты на пространственную корреляцию по матрице
соседства
0,01
***
14,70
**
***
Если сравнивать с оценками модели безусловной конвергенции, то
можно отметить, что скорости конвергенции при добавлении переменных
принадлежности к федеральным округам в уравнение регрессии оказались
выше. Также оказался значимым коэффициент в модели для налогов на
доходы физических лиц для оценки метода наименьших квадратов. Из результатов тестов можно сделать вывод, что для модели конвергенции с
расширением за счет переменных принадлежности к федеральным округам пространственную спецификацию лучше отражает матрица расстояний между субъектами. Тесты выявили наличие пространственной зависимости для восьми переменных при использовании матрицы расстояний
и только для трех переменных при использовании матрицы соседства.
Результаты оценки моделей пространственной эконометрики для фискальных переменных, на динамику которых по результатам тестов влияние
оказывал пространственный фактор, приведены ниже (табл. 27–30).
67
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
BIC
Скорость конвергенции
Половина периода сходимости
*
-4,06
1,7%
41,4
Налоговые доходы
-0,012
29,8
*** -0,43
**
-4,14
1,3%
51,8
Общие расходы
-0,043 ***
33,0
*** -0,04 *** -4,45
5,7%
12,1
ЖКХ
-0,032 ***
22,9
*** -0,82 *** -3,26
4,0%
17,3
Образование
-0,033 ***
45,5
*** -0,41
4,2%
16,7
*
Лаг
*** -0,42
(*)
26,1
W
-0,015 **
(*)
Собственные доходы
β
(*)
Таблица 27. Оценка условной конвергенции с использованием SAR модели и
матрицы расстояний.
**
-4,92
Половина периода
сходимости
Скорость конвергенции
BIC
-4,09
1,5%
46,8
*** -0,60 *** -4,18
1,2%
57,5
Налог на прибыль
-0,006
26,5
*** -0,40
-2,58
0,6%
119
Общие расходы
-0,038 ***
41,1
*** -0,59 *** -4,43
4,9%
14,3
ЖКХ
-0,026 ***
23,2
*** -0,03 *** -3,24
3,0%
23,2
Образование
-0,031 ***
93,4
*** -0,55
3,8%
18,2
68
(*)
**
55,0
*
W
*** -0,57
-0,011
Собственные доходы -0,014
(*)
45,1
Налоговые доходы
β
(*)
Лаг в ошибке
Таблица 28. Оценка условной конвергенции с использованием SEM модели
и матрицы расстояний.
*
**
-4,95
Раздел 2
BIC
Скорость конвергенции
Половина периода
сходимости
14,5%
4,8
*** -0,50 *** -3,79
3,7%
18,5
11,4
*
0,19
ЖКХ
17,4
(*)
Неналоговые доходы -0,072 ***
β
Лаг
-3,22
(*)
*
W
(*)
Таблица 29. Оценка условной конвергенции с использованием SAR модели и
матрицы расстояний.
-0,031 ***
BIC
(*)
Лаг в ошибке
(*)
W
17,7
*** -0,48 *** -3,76
Половина периода сходимости
-0,024 ***
Скорость конвергенции
Жилищнокоммунальное
хозяйство
(*)
β
Таблица 30. Оценка условной конвергенции с использованием SEM модели
и матрицы расстояний.
2,8%
25,1
Выбирая, как и в предыдущем случае, по критерию минимизации BIC
наилучшую модель, получаем окончательный результат для оценки моделей условной конвергенции фискальной политики, где фиксируется принадлежность к федеральному округу (табл. 31)
Для того, чтобы быть уверенным в хороших свойствах полученных
оценок, необходимо проверить остатки модели на гомоскедастичность.
Проверка гипотезы для оценок метода наименьших квадратов осуществлялась тестом Брюша-Пагана / Кука-Вейсберга (Breusch-Pagan / CookWeisberg). Для пространственных моделей проверка осуществлялась при
помощи оценки соответствующей t-статистики вспомогательной регрес69
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
сии квадратов остатков на расчетные значения переменной. Результаты
приведены в табл. 32.
При 5% уровне значимости гипотеза о гомоскедастичности отвергается для общих расходов бюджета, соответственно полученные оценки
являются неэффективными. Поэтому вопрос о конвергенции расходов
бюджета, а также влияние на них принадлежности регионов к федеральному округу на стационарную траекторию оставляем неопределенным.
(*)
Скорость конвергенции
Половина периода сходимости
46,8
*** -0,60 *** 1,2%
57,5
**
0,7%
99,5
-0,02 *** ***
2,2%
31,3
*
*** -0,57
λ/ρ
W/F2(*)
1,5%
(*)
**
β
Тип матрицы
Метод_Модель
Показатель
Таблица 31. Окончательные результаты оценки модели условной
конвергенции с фиксированной принадлежностью к Федеральному округу
Налог на прибыль
ML
Рас-0,01
SEM стояния
ML
Рас-0,01
SEM стояния
OLS
-0,01
НДФЛ
OLS
Неналоговые доходы
OLS
-0,07 *** *
15,1% 4,6
ML
Рас-0,04 *** *** -0,04 *** 5,7% 12,1
SAR стояния
ML Сосед-0,02 *** *** -0,48 *** 2,8% 25,1
SAR
ства
ML
Рас-0,03 *** *** -0,55 ** 3,8% 18,2
SEM стояния
Собственные доходы
Налоговые доходы
Общие расходы
ЖКХ
Образование
Социальная политиOLS
ка
2
-
-
-0,08 *** ***
17,8%
3,9
Значение статистики Вальда/Фишера для соответствующих регрессий для гипотезы Н0: коэффициенты при всех фиктивных переменных равны нулю.
70
Раздел 2
Таблица 32. Результаты проверки ошибки моделей на
гомоскедастичность
χ2(1)
(*)
t-статистика
(*)
Собственные доходы
1,74
0,09
Налоговые доходы
1,83
0,07
3,11
0,00
Жилищно-коммунальное хозяйство
0,32
0,75
Образование
-0,56
0,58
Налог на прибыль
0,81
0,37
Налог на доходы физических лиц
0,15
0,69
Неналоговые доходы
3,00
0,08
Общие расходы
Социальная политика
0,09
0,77
Подведем итог полученных результатов. Гипотеза о наличии условной конвергенции фискальной политики отвергнута для следующих переменных: собственные доходы, налоговые доходы, налог на прибыль и неналоговые доходы. Для первых трех переменных незначим коэффициент
при начальной точке, для неналоговых доходов незначимо влияние фиктивных переменных.
При включении в модель регрессии условий по принадлежности к
ФО влияние пространственного фактора оказалось значимым для следующих переменных: собственные доходы, общие расходы, расходы на
жилищно-коммунальное хозяйство и расходы на образование. Скорость
конвергенции регионов к локальным траекториям выше, чем к общей для
страны. Самая быстрая скорость конвергенции характерна для неналоговых доходов и расходов на социальную политику, а самая медленная для
налогов на доходы физических лиц.
Все пространственные связи в построенных моделях являются отрицательными. Расходы на жилищно-коммунальное хозяйство – единственная переменная, для которой пространственные связи описываются моделью пространственного лага, при этом наиболее корректную спецификацию выдает матрица соседства. Для остальных переменных выбраны модели пространственной ошибки, основанные на матрице расстояний. Коэффициент лага в ошибке для всех моделей лежит в интервале [-0,55; -0,6].
71
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Модель выявила наличие эффекта межрегиональной конкуренции, или
своеобразного «перетягивания каната». Если регион увеличивает темпы
роста налогооблагаемой или собственной доходной базы, то он через пространственные внешние эффекты снижает темп роста в соседних регионах. При этом выявлено, что лучшая спецификация характерна для матрицы расстояний: регионы привлекают ресурсы из субъектов Федерации,
расположенных территориально ближе.
Скорее всего данная тенденция сильнее проявляется в европейской
части России, где субъекты Федерации по размерам меньше, чем в восточной части страны, а расстояния между ними небольшие. Европейская
часть России характеризуется более мощным промышленным потенциалом и развитым бизнесом, в Сибири и на Дальнем Востоке расстояния
между субъектами Федерации больше и экономический потенциал развит
слабее.
Модель условной конвергенции с полным набором факторов
Российская Федерация характеризуется сильными межрегиональными различиями и диспропорциями. Одни регионы объективно не могут
достигнуть уровня развития и положения лидирующих территорий. Поэтому траектории устойчивого роста для регионов, очевидно, должны различаться. В предыдущем пункте моделировалась ситуация конвергенции
регионов к стационарным траекториям федеральных округов. Анализ показал, что комплекс факторов, закладываемых в фиктивные переменные
принадлежности к федеральным округам, оказывает значимое влияние на
скорость конвергенции и частично позволяет объяснить пространственные
связи между регионами, в том смысле, что не все модели условной конвергенции с фиксированной принадлежностью к Федеральному округу характеризуются значимыми пространственными связями. В моделях выявлялось влияние принадлежности к федеральным округам на темпы роста
переменных фискальной политики и на положение стационарной траектории, но за счет каких факторов происходит это влияние и с каким знаком –
этот вопрос оставался за рамками анализа. Как показали тесты, ряд моделей характеризовался гетероскедастичностью остатков, что может являться следствием пропущенной переменной. В данном пункте в модель конвергенции вводятся дополнительные условия, чтобы определить качественное влияние различных факторов на скорость роста.
В регрессию в качестве условий включен ряд важнейших региональных характеристик, при этом фиктивные переменные принадлежности к
72
Раздел 2
федеральным округам были исключены, так как они, являясь агрегированным аналогом рассматриваемых регрессоров, при оценивании создают
проблему мультиколлинеарности. Полученные z- и t-статистики будут
смещенными, и мы не сможем верно идентифицировать значимость коэффициентов.
Перед оцениванием модели условной конвергенции были рассчитаны
коэффициенты корреляции между всеми используемыми в качестве объясняющих переменных факторами. Максимальная по модулю корреляция
между условиями равна 0,73. Максимальная по модулю корреляция между
условиями и переменными фискальной политики по состоянию на 1996
год равна 0,55. Для проверки наличия мультиколлинеарности для объясняющих переменных были рассчитаны значения VIF (Variance Inflation
Factor). VIF для i-ого фактора рассчитывается как отношение объясняемой
дисперсии к остаточной дисперсии в модели регрессии i-ого фактора на
остальные. Считается, что мультиколлинеарность есть, если хотя бы для
одного фактора VIF больше 10. Наибольшее значение VIF равняется 4,38,
принимаем, что в нашей модели мультиколлинеарности нет.
Ниже приведены результаты оценивания методом наименьших квадратов для коэффициента β модели условной конвергенции.
Таблица 33. Результаты оценивания условной конвергенции
Скорость Половина пеконверген- риода сходиции
мости
8%
8,8
β
(*)
Собственные доходы
-0,05278
***
Налоговые доходы
-0,05008
***
7%
9,5
Налог на прибыль
-0,04794
***
7%
10,2
Налог на доходы физических лиц
-0,01893
***
2%
32,7
Неналоговые доходы
-0,07358
***
15%
4,6
Общие расходы
-0,07149
***
14%
4,9
Жилищно-коммунальное хозяйство
-0,05226
***
8%
8,9
Образование
-0,05304
***
8%
8,7
Социальная политика
-0,09273
***
-
-
73
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
В отличие от безусловной конвергенции, условная конвергенция характерна для всех исследуемых переменных. Полученные оценки могут
быть некорректны, т.к. в уравнение регрессии включено слишком большое
количество факторов. Для получения качественных оценок необходимо
избавиться от всех незначимых переменных. Алгоритм, по которому исключались незначимые переменные, заключался в поочередном исключении из модели регрессоров, которые незначимы по t-статистике для МНКоценок и по z-статистике для оценок максимального правдоподобия на
уровне 5%. В первую очередь из уравнения исключались факторы, обладающие наименьшей корреляцией с зависимой переменной.
Перед тем, как начать исключение из построенных моделей регрессоров, проверялись остатки модели на наличие пространственных связей. В
обратном случае есть риск исключить факторы, которые в действительности могут быть значимы.
Ниже приведены результаты тестов на наличие пространственной
корреляции (табл. 34–35) для остатков модели условной конвергенции,
оцененной методом наименьших квадратов.
Таблица 34. Тесты на пространственную корреляцию по матрице
расстояний
Moran's I
(*)
LM_err
(*)
LM_lag
*
1,52
Доходы бюджета
-0,06
3,47
Собственные доходы
-0,06
0,55
0,00
Налоговые доходы
-0,06
0,64
0,04
Налоги на прибыль
-0,06
0,24
0,07
НДФЛ
-0,01
0,00
0,24
Неналоговые доходы
0,03
0,51
0,04
Расходы бюджета
-0,08
3,81
*
2,32
Расходы на ЖКХ
-0,19
18,90
***
15,64
Расходы на образование
Расходы на социальную
политику
-0,01
0,01
1,39
0,02
0,01
0,08
74
***
(*)
***
Раздел 2
Таблица 35. Тесты на пространственную корреляцию по матрице
соседства
Moran's I
Доходы бюджета
-0,005
Собственные доходы
-0,134
Налоговые доходы
(*)
LM_err
(*)
LM_lag
(*)
0,25
0,02
2,03
0,03
-0,097
0,78
0,24
Налоги на прибыль
-0,086
0,29
0,05
НДФЛ
-0,085
1,09
1,13
Неналоговые доходы
-0,075
0,80
0,69
Расходы бюджета
-0,009
Расходы на ЖКХ
-0,247
***
15,15
***
19,53
***
Расходы на образование
Расходы на социальную
политику
0,147
***
4,81
**
5,18
**
0,052
*
0,15
0,67
0,06
0,64
Как показывают тесты, пространственные связи для модели условной
конвергенции устойчиво значимы только для двух переменных: расходов
на жилищно-коммунальное хозяйство и расходов на образование. Для
остальных переменных пространственные связи незначимы. Введенные
в уравнение регрессии факторы объяснили влияние пространственных
связей.
Ниже приведены результаты оценок метода наименьших квадратов
модели условной конвергенции с исключением незначимых факторов переменных, для которых статистически незначимо влияние пространственного фактора и результаты оценки пространственных регрессий (табл. 36–
37) для расходов на жилищно-коммунальное хозяйство и образование.
75
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
β
(*)
BIC
Скорость конвергенции
Половина периода
сходимости
R2
χ2(1)3
(*)
Таблица 36. Результаты оценки метода наименьших квадратов модели
условной конвергенции
Собственные доходы
-0,058
***
-4,60
9%
7,6
62%
0,90
0,34
Налоговые доходы
-0,052
***
-4,69
8%
9,0
54%
1,58
0,21
Налог на прибыль
-0,051
***
-3,12
7%
9,3
45%
0,73
0,39
НДФЛ
-0,019
***
-5,36
2%
32,3
50%
2,74
0,10
Неналоговые доходы
-0,081
***
-3,22
21%
3,4
74%
0,00
0,99
Расходы
-0,061
***
-4,98
10%
6,9
63%
0,01
0,94
Социальная политика
-0,080
***
-4,60
20%
3,5
61%
1,12
0,29
3
Результат теста Брюша-Пагана / Кука-Вейсберга (Breusch-Pagan / CookWeisberg) для проверки остатков на гетероскедастичность. Н0: гомоскедастичность остатков. Статистика распределена как χ-квадрат с 1 степенью свободы.
76
Раздел 2
Половина периода
сходимости
Скорость конвергенции
BIC
(*)
λ/ρ
(*)
β
Модель
Матрица
Таблица 37. Результаты оценки пространственной регрессии модели
условной конвергенции
ЖКХ
Расстояний SAR
-0,042
***
-0,68
*** -3,72
6%
12,1
ЖКХ
Расстояний SEM
-0,039
***
-0,84
*** -3,79
5%
13,5
ЖКХ
Соседства
SAR
-0,049
***
-0,51
*** -3,73
7%
9,9
ЖКХ
Соседства
SEM
-0,034
***
-0,85
*** -3,78
4%
16,6
Образование
Соседства
SAR
-0,035
***
0,23
**
-4,96
4%
15,7
Образование
Соседства
SEM
-0,044
***
0,53
*** -4,99
6%
11,6
По критерию минимизации BIC, окончательные спецификации моделей для расходов на жилищно-коммунальное хозяйство выбираем SEM
модель с матрицей расстояний, для расходов на образование выбираем
SEM модель с матрицей соседства. Остатки данных моделей были проверены на гетероскедастичность путем построения вспомогательной регрессии квадратов остатков на расчетные значения. Значимость t-статистик
при переменных расчетных значений составила 0,236 для расходов на жилищно-коммунальное хозяйство и 0,483 для расходов на образование.
Принимаем нулевую гипотезу о гомоскедастичности остатков.
Таким образом, были получили хорошие оценки модели условной
конвергенции (табл. 38).
77
78
Количество женщин на 1 мужчину
9 7,6
+
5 13,5
6 11,6
20 3,5
21 3,4
-
+
+
+
+
2 32,3 +
+
10 6,9
+
+
Доля сырьевого сектора в выпуске
Протяженность дорог
Количество городов в субъекте
+
-
+
+
-
+
+
-
+
-
-
+
+
+
-
Количество предприятий малого бизнеса
Депрессивный регион
Наличие незамерзающего порта
Средняя температура июля
Средняя температура января
7 9,3
Население столицы субъекта
+
+
Доля производства электроэнергии в выпуске
8 9,0
Производство электроэнергии
Стоимость основных фондов
Количество организаций, ведущих исследования
Число гос.служащих
Число зарегистрированных преступлений
Количество км дорог на 1 кв.км территории
Половина периода сходимости
Собственные доходы
Налоговые
доходы
Налог на
прибыль
НДФЛ
Неналоговые доходы
Общие
расходы
ЖКХ
Образование
Социальная политика
Скорость конвергенции, %
Переменная
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Таблица 38. Результаты оценки модели условной конвергенции
+
+
+
-
+
-
+
+
+
+
+
+
+
Раздел 2
Ниже (табл. 39) приведено сравнение результатов оценок трех моделей конвергенции.
Таблица 39. Сравнение результатов оценок моделей конвергенции
Значение лага
Модель
Половина периода сходимости
-
0,4 SEM 38
2
-
OLS 31
2
-
Половина периода сходимости
Скорость конвергенции
(%)
2
OLS 32
14
0,5 SEM
5
15
-
OLS
21
OLS
OLS 15
6
0,0 SAR 12
10
-
Модель
OLS
Значение лага
OLS
Модель
8
Значение лага
OLS
-
Собственные
доходы
Налоговые доходы
Налог на прибыль
НДФЛ
Неналоговые
доходы
Расходы
Половина периода сходимости
Скорость конвергенции
(%)
Абсолютная конвер- Условная конверген- Условная конвергенгенция
ция 1
ция 2
Скорость конвергенции
(%)
Переменная
-
≈0 SEM
-
-
-0,6 SEM
-
9
-
0,3 SEM
-
-
-0,6 SEM
-
8
-
-
-
OLS
-
7
-
5
-
-
OLS
-
ЖКХ
2
-0,4 SAR 32
3
-0,5 SAR 25
5
Образование
4
0,5 SEM 17
4
-0,6 SEM 18
6
Социальная
политика
18
0,2 SAR
18
4
-
OLS
4
20
9
9
3
OLS 7
SE
-0,8
13
M
SE
0,5
12
M
-
OLS
4
Для всех переменных существуют локальные траектории устойчивого
роста. Быстрее всего сходятся неналоговые доходы. Чтобы пройти половину пути до стационарной траектории, необходимо 3–4 года в случае условной конвергенции и 4–5 лет в случае абсолютной конвергенции.
Для таких переменных, как налоговые доходы для физических лиц и
расходы на социальную политику, скорость конвергенции практически не
79
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
зависит от типа модели. Для социальной политики это свидетельствует о
том, что в отношении расходов на социальную политику правительством
взят курс на выравнивание обеспеченности населения регионов социальными бюджетными услугами. Для налогов на доходы физических лиц такого вывода сделать нельзя, скорость конвергенции данного показателя
самая низкая из рассматриваемых переменных: половину пути до стационарной траектории регионы пройдут за 32–38 лет.
Для переменных: общие расходы, расходы на образование и расходы
на жилищно-коммунальное хозяйство – характерно наличие как условной,
так и абсолютной конвергенции, причем скорость условной конвергенции
значительно выше. Т.к. процесс не может сходиться к двум траекториям
одновременно, то в данном случае можно говорить о сходимости локальных стационарных траекторий к общему тренду, характерному для всей
страны в целом. Для переменных, чья динамика основана на развитии
экономического потенциала региона (собственные доходы бюджетов, налог на прибыль, налоговые доходы), характерно наличие только условной
конвергенции. Между регионами существуют фундаментальные различия,
которые не позволяют даже в длительной перспективе наметить траекторию сближения регионов. Скорости конвергенции данных показателей –
примерно одинаковы, и время, за которое регионы пройдут половину пути
до своих стационарных траектории, составляет 8–9 лет.
Влияние пространственных связей на конвергенцию меняется в зависимости от рассматриваемой модели. Устойчивая оценка влияния пространственного лага характерна только для расходов на жилищнокоммунальное хозяйство. Вне зависимости от вида рассматриваемой модели значение лага отрицательно.
Для модели безусловной конвергенции пространственные связи положительны (кроме расходов на жилищно-коммунальное хозяйство). Рост
доходов (или расходов) в регионе оказывает положительное влияние на
рост в соседнем. С другой стороны, в модели условной конвергенции с
принадлежностью к федеральному округу наблюдается обратная ситуация
– пространственные связи отрицательны. Можно предположить, что внутри федеральных округов идет конкуренция за налоговую базу. Возможно,
с этим связана отрицательная пространственная связь в росте расходов на
жилищно-коммунальное хозяйство: слабое развитие элементов жилищнокоммунальной инфраструктуры в регионе отталкивает бизнес. Соседние
регионы получают стимулы к развитию инфраструктуры и увеличению
затрат на жилищно-коммунальное хозяйство.
80
Заключение
Заключение
Конвергенция – длительный процесс, характеризующий долгосрочную тенденцию снижения неравенства между регионами и их движение к
стационарной траектории. В настоящем исследовании рассматривались
безусловная и условная модели β-конвергенции. Безусловная конвергенция предполагает наличие единой стационарной траектории для всех регионов, и в таком контексте может рассматриваться как тенденция к сокращению неравенства между бедными и богатыми регионами с течением
времени. Россия – страна с обширной территорией и устойчивыми региональными различиями. Для некоторых показателей сходимость к единой
траектории без фундаментальных изменений невозможна. Для таких показателей траектории стационарного роста регионов различаются. Наличие
локальных стационарных траекторий и сходимость к ним моделируются
условной β-конвергенцией.
Между регионами существует система связей: экономических, торговых, демографических, социальных, культурных и информационных. Игнорирование этих взаимодействий приводит к смещенным, несостоятельным и неэффективным оценкам, в результате чего получаются ложные
выводы об отсутствии либо наличии конвергенции. В данной работе для
учета пространственных связей были построены матрица соседств и матрица расстояний и использовались два вида пространственных моделей:
модель пространственного лага и модель пространственной ошибки. Первая позволяет уловить непосредственное влияние субъектов друг на друга,
а вторая – влияние субъектов через ковариационную структуру ошибок.
Для выбора верной модели использовался Байесовский информационный
критерий.
Анализ показал, что высокие межрегиональные различия в России
приводят к несовпадающим траекториям экономического развития различных территорий. При этом в межрегиональных взаимодействиях доминируют эффекты конкуренции, что показали отрицательные внешние
пространственные эффекты динамики развития регионов. Однако масштабы межрегиональных перераспределений позволяют предположить, что
отсутствие сближения экономических региональных характеристик не оз81
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
начает такие же тенденции в фискальной политике субфедерального
уровня.
В качестве исследуемых переменных бюджетной политики были выбраны следующие параметры: собственные доходы, налоговые доходы,
налог на прибыль, налог на доходы физических лиц, неналоговые доходы,
общие расходы, расходы на образование, расходы на жилищнокоммунальное хозяйство и расходы на социальную политику. Все данные
приводились к единым ценам с учетом влияния инфляции и межрегиональных ценовых различий. Различные модели конвергенции показали,
что внешние пространственные эффекты являются значимыми факторами
сближения для большинства фискальных параметров, что говорит о территориальной детерминированности субфедеральной бюджетной политики и о ее пространственной кластеризации. Снижение межрегионального
неравенства наблюдается в общей бюджетной обеспеченности и в уровне
бюджетных расходов, что объясняется активной государственной политикой вертикального перераспределения бюджетных средств. Но не происходит снижения межрегионального неравенства по основным статьям собственных доходов, которые связаны с экономической активностью на территории.
82
Литература
Литература
Абрё М., Де Гроот А.Л.Ф., Флора Р.Дж. Г.М. Пространство и экономический рост: обзор результатов исследований (перевод с англ. А.А. Новицкого, Д.А. Изотова) // Пространственная экономика, 2008, № 2. С. 49–79.
Бутс Б., Дробышевский С., Кочеткова О., Мальгинов Г., Петров В., Федоров Г., Хехт А., Шеховев А., Юдин А. Типология регионов РФ.
М.:СЕПРА, 2002.
Гранберг А., Зайцева Ю. Валовой региональный продукт: межрегиональное сравнение и динамика. М.: СОПС, 2003.
Кадочников П., Синельников С., Трунин И., Четвериков С. Анализ перераспределения средств между бюджетами субъектов Российской Федерации в рамках системы межбюджетных отношений. Оценка свойств стабилизационных инструментов российских федеральных властей. М.: СЕПРА, 2003.
Лавровский Б.Л. Измерение региональной асимметрии на примере России
// Вопросы экономики. 1999, № 3.
Постникова Е., Шильцин Е. О некоторых особенностях региональной сбалансированности России // Регион: экономика и социология. 2007, № 2.
Пчелинцев О. Российский экономический рост 1999–2000 гг. в региональном и глобальном контекстах // Проблемы прогнозирования. 2001, № 4.
С. 25–43.
Пчелинцев О. Регионы России: современное состояние и проблема перехода к устойчивому развитию // Проблемы прогнозирования. 2001, № 1.
Селезнев А. Ограничение экономического роста в России // Проблемы
прогнозирования. 2002, № 6.
Энтов Р., Луговой О., Астафьева Е., Бессонов В., Воскобойников И., Турунцева М., Некипелов Д. Факторы экономического роста российской
экономики. М.: ИЭПП, 2003.
83
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Annala, C.N. 2003. Have state and local fiscal policies become more alike?
Evidence of beta convergence among fiscal policy variables. Public Finance
Review 31(2).
Ades. A., Chua H. The Neighbor’s Curse: Regional Instability and Economic
Growth. // Journal of Economic Growth, 1997, Vol. 2.
Anselin L. Spatial Econometrics. / T.C. Mills and K. Patterson (Eds.), Palgrave
Handbook of Econometrics: Volume 1, Econometric Theory. Basingstoke, Palgrave Macmillan, 2006.
Barro R.J. Economic Growth in a Cross Section of Countries. // Quarterly Journal of Economics, 1991, Vol. 106.
Barro, R.J. and X. Sala-i-Martin. 2004. Economic Growth, MIT Press.
Benhabib J., Farmer R. Indeterminacy and Increasing Returns // Journal of Economic Theory, 1994, Vol. 63.
Bloom D., Sachs J. Geography, Demography and Economic Growth in Africa.
Brookings Papers on Economic Activity, 1998, Vol. 2.
Carlino, G. and L.Mills. 1996. Convergence and the U.S. states: A time-series
analysis. Journal of Regional Science 36(4).
Castro J. Indicators of real economic convergence. A primer. UNU-CRIS
Working papers. W-2004/2.
Coe D., Helpman E. International R&D Spillovers. // European Economic Review, 1995, Vol. 39.
Coughlin C., Garrett T.A., Hernandez-Murillo R. Spatial Dependence in Models of State Fiscal Policy Convergence. // Public Finance Review, 2007, Vol.
35.
DeJuan, J. and M.Tomljanovich. 2005. Income convergence across Canadian
provinces in the 20th century: Almost but not quite there. The Annals of Regional Science 39(3).
Dietz R.D. The Estimation of Neighborhood Effects in the Social Sciences: an
Interdisciplinary Approach. //Social Science Research, 2002, Vol. 31.
Hoover K.D. and S.J. Perez. 2004. Truth and robustness in cross-country
growth regressions. Oxford Bulletin of Economics and Statistics 66(5).
84
Литература
Le Gallo J. Space-Time Analysis of GDP Disparities among European Regions:
a Markov Chains Approach. // International Regional Science Review, 2004,
Vol. 27.
Lee K., Pesaran M.H., Smith R. Growth and Convergence in a Multi-Country
Empirical Stochastic Growth Model. // Journal of Applied Econometrics, 1997,
Vol. 12.
Lopez-Bazo E., Vaya E., Artis M. Regional Externalities and Growth: Evidence
from European Regions. // Journal of Regional Science, 2004, Vol. 44.
Miller, J. and I. Gene. 2005. Alternative regional specifications and convergence of U.S. regional growth rates. The Annals of Regional Science 39(2).
Moreno R., Lopez-Bazo E. Returns to Local and Transport Infrastructure under
Regional Spillovers. // International Regional Science Review, 2007, Vol. 30.
Pritchett, L. 1997. Divergence, big time. Journal of Economic Perspectives
11(3).
Rey S.J., Montouri B.D. U.S. Regional Income Convergence: A Spatial Econometric Perspective. // Regional Studies, 1999, Vol. 33.
Sachs J.D., Warner A.M. Fundamental Sources of Long-Run Growth. // American Economic Review, 1997, Vol. 87.
Sala-i-Martin X.1996. Regional cohesion: Evidence and theories of regional
growth and convergence. European Economic Review Vol. 40.
Sala-i-Martin X.1996. The classical approach to convergence analysis. The
Economic Journal 106.
Scully, G.W. 1991. The convergence of fiscal regimes and the decline of the
Tiebout effect. Public Choice 72(1).
85
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Приложение
Диаграммы рассеяния Морана
Прирост налоговых доходов ‐ матрица расстояний
1,5
1
0,5
0
‐4
‐2
‐0,5
‐1
‐1,5
86
0
2
4
6
Приложение
Прирост налоговых доходов ‐ матрица соседства
2,5
2
1,5
1
0,5
0
‐4
‐2
‐0,5 0
2
4
6
‐1
‐1,5
‐2
‐2,5
Прирост налога на прибыль ‐ матрица расстояний
1,5
1
0,5
0
‐4
‐2
‐0,5
0
2
4
6
‐1
‐1,5
‐2
87
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Прирост налога на прибыль ‐ матрица соседства
2
1,5
1
0,5
0
‐4
‐2
‐0,5 0
2
4
6
‐1
‐1,5
‐2
‐2,5
Прирост НДФЛ ‐ матрица расстояний
2
1,5
1
0,5
0
‐3
‐2
‐1
0
‐0,5
‐1
88
1
2
3
Приложение
Прирост НДФЛ ‐ матрица соседства
3
2,5
2
1,5
1
0,5
0
‐3
‐2
‐1
‐0,5 0
1
2
3
‐1
‐1,5
‐2
Прирост неналоговых доходов ‐ матрица расстояний
1
0,8
0,6
0,4
0,2
0
‐4
‐3
‐2
‐1
‐0,2 0
1
2
‐0,4
‐0,6
‐0,8
‐1
89
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Прирост неналоговых доходов ‐ матрица соседства
2
1
0
‐4
‐3
‐2
‐1
0
1
2
‐1
‐2
‐3
‐4
Прирост собственных доходов ‐ матрица расстояний
1,5
1
0,5
0
‐4,000
‐2,000
0,000
‐0,5
‐1
‐1,5
90
2,000
4,000
6,000
Приложение
Прирост собственных доходов ‐ матрица соседства
2,5
2
1,5
1
0,5
0
‐4,000
‐2,000 ‐0,50,000
2,000
4,000
6,000
‐1
‐1,5
‐2
‐2,5
‐3
Прирост общих расходов ‐ матрица расстояний
1,5
1
0,5
0
‐4
‐2
0
2
4
6
‐0,5
‐1
‐1,5
91
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Прирост общих расходов ‐ матрица соседства
2
1,5
1
0,5
0
‐4
‐2
‐0,5
0
2
4
6
‐1
‐1,5
‐2
Прирост расходов на ЖКХ ‐ матрица расстояний
1,5
1
0,5
0
‐4
‐2
‐0,5
‐1
‐1,5
‐2
92
0
2
4
Приложение
Прирост расходов на ЖКХ ‐ матрица соседства
2
1
0
‐4
‐2
0
2
4
‐1
‐2
‐3
‐4
Прирост расходов на социальную политику ‐ матрица расстояний
2
1,5
1
0,5
0
‐4
‐3
‐2
‐1
‐0,5
0
1
2
3
‐1
‐1,5
93
Субфедеральная фискальная политика в России:
межрегиональные различия и связи
Прирост расходов на социальную политику ‐ матрица соседства
3
2,5
2
1,5
1
0,5
0
‐4
‐3
‐2
‐1 ‐0,5 0
1
2
3
‐1
‐1,5
‐2
Прирост расходов на образование ‐ матрица расстояний
2
1,5
1
0,5
0
‐4
‐3
‐2
‐1
‐0,5
‐1
‐1,5
94
0
1
2
3
Приложение
Прирост расходов на образование ‐ матрица соседства
2,5
2
1,5
1
0,5
0
‐4
‐3
‐2
‐1
‐0,5 0
1
2
3
‐1
‐1,5
‐2
‐2,5
95
Сведения об авторах
Коломак Евгения Анатольевна, доктор экономических наук, директор
АНО «Сибирский центр прикладных экономических исследований»
тел. +7(383)3308955
e-mail: ekolomak@academ.org
Зверев Дмитрий Валерьевич, научный сотрудник АНО «Сибирский
центр прикладных экономических исследований»
Тел. +7(383)3308497
e-mail: dzv@rpo.ru
96
Сибирский центр прикладных экономических
исследований
Сибирский центр прикладных экономических исследований является
автономной некоммерческой организацией, учрежденной группой научных сотрудников экономистов.
Сибирский центр прикладных экономических исследований создан
для развития потенциала теоретической экономической науки, для проведения общезначимых экономических исследований и экспертиз, для повышения экономической квалификации сотрудников представительной и
исполнительной власти в регионах Сибири, управленческого персонала
различного уровня с помощью предоставления им информационных и
консультационных услуг.
Задачами центра являются:
‰ содействие развитию прикладной экономической науки;
‰ повышение уровня экономических научных исследований за счет
увеличения средств, поступающих от коммерческого использования
экономических разработок;
‰ рост степени экономической обоснованности управленческих
решений различного уровня;
‰ повышение уровня прикладных экономических исследований.
Для достижения своих целей центр занимается следующими видами
деятельности:
‰ осуществляет экономические исследования прикладного и фундаментального характера;
‰ сотрудничает с российскими и зарубежными учеными, институтами, университетами, фондами, консорциумами в области развития
прикладных экономических исследований;
‰ проводит мероприятия по выявлению направлений исследований, работ и проектов, результатами которых могут быть практические рекомендации;
‰ оказывает информационные и консультационные услуги, связанные с экономическим анализом;
‰ производит поиск и подбор партнеров по развитию экономической культуры в управлении различного уровня;
97
участвует в конференциях и других мероприятиях для продвижения экономических разработок.
Сибирский центр прикладных экономических исследований участвовал в конкурсах и выиграл гранты на реализацию ряда крупных проектов:
1. Глобализация, этничность и миграция иностранной рабочей силы
(при партнерстве неправительственных организаций Будапешта и Хельсинки).
2. Рыночная инфраструктура и развитие конкурентной среды: межрегиональный аспект.
3. Субфедеральное административное регулирование: формы, масштабы, эффекты.
4. Коммерциализация российских инновационных разработок: проблемы и перспективы
5. Субфедеральная фискальная политика в России: конвергенция или
дивергенция?
6. Разработка механизмов реализации стратегических документов
межрегионального и регионального развития и методов оценки эффективности региональных программ.
Сотрудники Центра по приглашению АНО Институт реформирования общественных финансов (г. Москва) приняли участие в проектах
«Межбюджетные отношения и экономический рост в муниципальных образованиях» и «Евроазиатское бюджетное пространство: проблемы интеграции», результатами которых стали серия семинаров, конференций, аналитических отчетов и две монографии.
Сотрудники Центра также участвовали в работе «Диагностика общественных финансов Новосибирской области» по заданию Фонда реструктуризации предприятий и развития финансовых институтов (г. Москва) и
в экспертизе исполнения бюджета г. Новосибирска по заданию городского
Совета, в разработке стратегий развития Сибири, Новосибирской области
и г. Бердска.
Сибирский центр прикладных экономических исследований является
действительным членом Ассоциации независимых центров экономического анализа (АНЦЭА).
‰
98
Программа поддержки независимых экономических
аналитических центров
в Российской Федерации
Программа поддержки независимых экономических аналитических
центров в Российской Федерации реализуется Московским общественным
научным фондом (МОНФ) в сотрудничестве с Центром институциональных реформ и неформального сектора, университет штата Мэрилэнд
(IRIS), и поддерживается Агентством США по международному развитию
(USAID).
Цель Программы – содействовать развитию российских независимых
аналитических центров, работающих в области экономики. Деятельность
таких центров повышает качество экономической и социальной политики
государства, способствует диалогу власти и общества вокруг ключевых
проблем экономики России.
Для достижения поставленных целей Программа проводит конкурсы
на получение грантов, содействует распространению результатов проведенных исследований.
Профессиональную обоснованность конкурсных решений гарантирует независимый Экспертный совет Программы, в состав которого входят
известные российские экономисты – представители академических институтов, центров прикладного экономического анализа, университетской
науки, видные «практики» экономической политики в России.
Некоторые результаты реализации Программы в 1999–2008 гг.
В 1999–2008 гг. Программа провела 28 раундов грантовых конкурсов,
присуждено 216 грантов. 40% грантов получили исследовательские коллективы в регионах (за пределами Москвы и Санкт-Петербурга). Прозрачные и справедливые условия и процедуры проведения грантовых конкурсов Программы заслуженно пользуются доверием в исследовательском
сообществе: интенсивность соревнования составила 6,2 заявки на 1 присужденный грант.
99
В 2000–2008 гг. в рамках Программы состоялось более 50 конференций, «круглых столов», семинаров, посвященных профессиональному обсуждению результатов анализа экономической политики и привлечению к
ним внимания заинтересованной общественности. Более 200 публичных
мероприятий проведено непосредственно грантополучателями Программы
в ходе реализации индивидуальных проектов.
При поддержке Программы было учреждено 11 новых самостоятельных центров экономического анализа, в том числе 5 – в регионах России,
основана Ассоциация независимых центров экономического анализа
(АНЦЭА).
Работы центров – участников Программы представляются в популярной серии «Независимый экономический анализ» (Научные доклады
МОНФ). Под эгидой Программы создана база данных открытого доступа,
содержащая сведения, добровольно предоставленные более чем 120 экономическими исследовательскими учреждениями России. Доступ в базу
данных открыт с сайта МОНФ www.mpsf.org .
Разработки центров – участников Программы использовались следующими органами государственной власти Российской Федерации: Администрацией Президента Российской Федерации, Министерством экономического развития, Администрацией Правительства, Советом Федерации Федерального Собрания РФ, Государственной Думой, Министерством
финансов, Министерством сельского хозяйства, Банком России, Пенсионным фондом и другими заинтересованными министерствами и ведомствами федерального и регионального уровней.
Программа в 2008–2010 гг.
Поддержка уже сложившихся независимых центров анализа экономической политики, завоевавших репутацию своей предыдущей работой,
является главным направлением работы Программы в 2008–2010 гг. От
участников конкурсов Программа ожидает серьезных, общественно значимых тем исследований, развернутых предложений относительно форм и
методов доведения результатов своей работы до заинтересованных организаций – потребителей экономической аналитики. Текущие тематические
приоритеты Программы ежегодно уточняются ее Экспертным советом.
Следите за объявлениями о грантовых конкурсах на сайте МОНФ
www.mpsf.org .
100
Программа поддерживает межрегиональное сотрудничество аналитических центров в виде консорциумов столичных и региональных организаций.
Программа продолжит проведение мероприятий по распространению
результатов работы грантополучателей (дополняющие их собственные
усилия в этой области), поощрение партнерских отношений между центрами, публикацию работ грантополучателей.
101