Регионы металлургического профиля в силу зависимости от локализации производственных ресурсов и инфраструктуры, а также высокой капиталоемкости производства характеризуются медленно меняющейся отраслевой и технологической структурой производства. Согласно гипотезе исследования, отличия в динамике их экономического развития определяются указанной структурой производства обрабатывающей промышленности. Статья посвящена исследованию среднесрочных трендов и закономерностей экономического и технологического развития регионов металлургического профиля. Методологической основой работы послужили положения структурно-динамического подхода к изучению экономического развития регионов. Методы исследования включали многомерный анализ данных и алгоритмы кластеризации, оценку временных рядов и корреляционный анализ. Информационной базой послужили данные о крупных и средних региональных предприятиях в разрезе видов экономической деятельности за 2006–2021 гг., содержащиеся в Информационно-аналитической системе FIRA PRO. Выявлены регионы с металлургическим профилем экономики: Челябинская, Свердловская, Липецкая, Вологодская и Тульская области. Определение среднесрочных трендов их экономического развития позволяет говорить о различной динамике результирующих и ресурсных показателей производства как по всем видам деятельности, так и в части металлургии. Обосновано, что динамические характеристики развития регионов со специализацией экономики на металлургии в значительной мере зависят от технологического профиля обрабатывающего производства. Результаты исследования вносят вклад в понимание механизмов адаптации промышленных комплексов регионов к меняющимся условиям внешней среды.
Идентификаторы и классификаторы
- SCI
- Экономика
Регионы, традиционно специализирующиеся на металлургии и производстве готовых металлических изделий, такие как Челябинская область, в силу высокой зависимости от локализации сырьевой базы, производственной и транспортной инфраструктуры, высокой капиталоемкости и ригидности технологий производства, как правило, отличаются медленно меняющейся отраслевой и технологической структурой производства.
Список литературы
1. Гамбеева Ю. Н., Смей В. М. (2021). Роль креативных индустрий в социально-экономическом развитии территории // Вестник Челябинского государственного университета. № 6 (452). С. 89-96. DOI: 10.47475/1994-2796-2021-10610 EDN: BQKZJH
2. Гордеев С. С., Зырянов С. Г., Подопригора А. В. (2019). “Эффект колеи” в развитии социально-экономического пространства региона. Ч. 1: “Эффект колеи” и локальный кризис в Челябинской области // Социум и власть. № 5 (79). C. 84-97. DOI: 10.22394/1996-0522-2019-5-84-97 EDN: CCPHAL
3. Данилова И. В., Правдина Н. В. (2022). Развитие монопрофильных регионов экономического пространства России: сравнительный анализ // Вестник Южно-Уральского государственного университета. Серия “Экономика и менеджмент”. Т. 16, № 2. С. 21-34. DOI: 10.14529/em220202 EDN: CRYRDB
4. Данилова И. В., Салимоненко Е. Н. (2020). Экономика открытых моноспециализированных регионов: поиск модели развития // Вестник Южно-Уральского государственного университета. Серия “Экономика и менеджмент”. Т. 14, № 3. С. 17-29. DOI: 10.14529/em200302 EDN: ASKDSB
5. Джурка Н. Г. (2018). Пространственная концентрация промышленного производства в России: тестирование эффекта внутреннего рынка // Пространственная экономика. № 3. С. 19-42. DOI: 10.14530/se.2018.3.019-042 EDN: YAEZNR
6. Дорошенко Ю. А., Старикова М. С., Ряпухина В. Н. (2022). Выявление моделей индустриально-инновационного развития региональных экономических систем // Экономика региона. Т. 18, № 1. С. 78-91. DOI: 10.17059/ekon.reg.2022-1-6 EDN: UMTONS
7. Емельянов А. А., Кельчевская Н. Р., Пелымская И. С. (2020). Оценка конкурентоспособности региональных горно-металлургических кластеров // Экономика региона. Т. 16, № 1. С. 213-227. DOI: 10.17059/2020-1-16 EDN: PPUIFY
8. Коломак Е. А. (2019). Пространственное развитие России в XXI в. // Пространственная экономика. Т. 15, № 4. С. 85-106. DOI: 10.14530/se.2019.4.085-106 EDN: WFVGVX
9. Котов А. В. (2021). Пространственный анализ структурных сдвигов как инструмент исследования динамики экономического развития макрорегионов России // Экономика региона. Т. 17, № 3. С. 755-768. DOI: 10.17059/ekon.reg.2021-3-3 EDN: VPNPJU
10. Орехова С. В., Дубровский В. Ж. (2018). Новая индустриально-технологическая политика: пример металлургического производства // Новая индустриализация России: стратегические приоритеты страны и возможности Урала. Екатеринбург: Уральский государственный экономический университет. С. 210-232. EDN: XWHNDN
11. Пискун Е. И., Хохлов В. В. (2019). Экономическое развитие регионов Российской Федерации: факторно-кластерный анализ // Экономика региона. Т. 15, № 2. С. 363-376. DOI: 10.17059/2019-2-5 EDN: LQIOBH
12. Романова О. А., Сиротин Д. В. (2017). Образ желаемого будущего экономики индустриального региона: тенденции развития и методология оценки // Экономика региона. Т. 13, № 3. С. 746-763. DOI: 10.17059/2017-3-9 EDN: ZHOAUD
13. Савельева И. П., Данилова И. В., Правдина Н. В. (2022). Реструктуризация экономики моноспециализированных регионов на основе оценки технологичности экономических специализаций // Актуальные проблемы экономики и менеджмента. № 1 (33). С. 125-138. EDN: YMDLYX
14. Самарина В. П., Мартиросян А. Т., Ильичева Е. В. (2019). Состояние и перспективы развития российского металлургического комплекса // Фундаментальные исследования. № 8. С. 81-85. EDN: CLTRPT
15. Силин Я. П., Анимица Е. Г., Новикова Н. В. (2019). Уральский макрорегион: большие циклы индустриализации: монография. Екатеринбург: Издательство Уральского государственного экономического университета. 371 с. EDN: ETQMTU
16. Сиренко Л. Ю., Рычкова Е. С. (2020). Кластерный анализ в оценке экономической безопасности региона // Естественно-гуманитарные исследования. № 29 (3). С. 310-314. DOI: 10.24411/2309-4788-2020-10279 EDN: AKIEHK
17. Сорокина Н. Ю., Латов Ю. В. (2018). Эволюция старопромышленных регионов в экономике России // Journal of Economic Regulation. Т. 9, № 1. С. 6-22. 10.17835/2078-5429.2018.9.1.006- 022. DOI: 10.17835/2078-5429.2018.9.1.006-022 EDN: YWQVFK
18. Трейвиш А. И. (2019). Неравномерность и структурное разнообразие пространственного развития экономики как научная проблема и российская реальность // Пространственная экономика. Т. 15, № 4. С. 13-35. DOI: 10.14530/se.2019.4.013-035 EDN: MBIVCX
19. Anselin L., Rey S. (2010). Perspectives on spatial data analysis. In: Anselin L., Rey S. (eds.) Perspectives on spatial data analysis. advances in spatial science (pp.1-20). Berlin, Heidelberg: Springer-Verlag. DOI: 10.1007/978-3-642-01976-0_1
20. Antonyuk V. S., Kornienko E. L. (2022). Economic development of Russia’s old industrial border regions. Journal of New Economy, vol. 23, no. 2, pp. 45-63. DOI: 10.29141/2658-5081-2022-23-2-3 EDN: SZNDDK
21. Aralbaeva G. G., Berikbolova U. D. (2021). Cluster analysis of the regions of Kazakhstan by the level of innovative development. Mezhdunarodnyy nauchno-issledovatel’skiy zhurnal = International Research Journal, no. 9-2(111), pp. 133-137. DOI: 10.23670/IRJ.2021.9.111.059 EDN: IOLAVF
22. Asheim B. T. (2019). Smart specialisation, innovation policy and regional innovation systems: what about new path development in less innovative regions? Innovation: The European Journal of Social Science Research, vol. 32, no. 1, pp. 1-18. DOI: 10.1080/13511610.2018.1491001
23. Bailey D., Christos P., Tomlinson P. R. (2018). A place-based developmental regional industrial strategy for sustainable capture of co-created value. Cambridge Journal of Economics, vol. 42, issue 6, pp. 1521-1542.
24. Bents D. S. (2022). Long-term trends in differentiation between regions: Sverdlovsk oblast vs Chelyabinsk oblast. Journal of New Economy, vol. 23, no. 2, pp. 102-124. DOI: 10.29141/2658-5081-2022-23-2-6 EDN: EQVMZL
25. Boschma R. (2016). Relatedness as driver of regional diversification: a research agenda. Regional Studies, vol. 51, issue 3, pp. 351-364. DOI: 10.1080/00343404.2016.1254767
26. Hirsch-Kreinsen H., Jacobson D., Robertson P. L. (2006). ‘Low-tech’ industries: Innovativeness and development perspectives - A summary of a european research project. Prometheus: Critical Studies in Innovation, vol. 24, no. 1, pp. 3-21. DOI: 10.1080/08109020600563762
27. Martin R., Sunley P. (2006). Path dependence and regional economic evolution. Journal of Economic Geography, vol. 6, issue 4, pp. 395-437. DOI: 10.1093/jeg/lbl012 EDN: XSTKYK
28. Neffke F., Henning M., Boschma R. (2011). How do regions diversify over time? Industry relatedness and the development of new growth paths in regions. Economic Geography, vol. 87, issue 3, pp. 237-265. DOI: 10.1111/j.1944-8287.2011.01121.x
29. Okunev I. Yu., Lopatina V. R. (2022). The neighbourhood effect in Russian regional policies: Autocorrelation and cluster analysis. RUDN Journal of Political Science, vol. 24, no. 4, pp. 634-650. DOI: 10.22363/2313-1438-2022-24-4-634-650 EDN: GOHMYY
30. Romanova O. A., Sirotin D. V. (2019). Metallurgical complex of Central Urals in the conditions of development under Industry 4.0: The road map for repositioning the complex. Studies on Russian Economic Development, vol. 30, no. 2, pp. 136-145. DOI: 10.1134/S1075700719020187 EDN: MDUSGT
31. Sukharev O. S. (2022). Industrial growth and technological perspective. Journal of New Economy, vol. 23, no. 1, pp. 6-23. DOI: 10.29141/2658-5081-2022-23-1-1 EDN: RNGFTG
Выпуск
Другие статьи выпуска
Цифровизация производства является значимым фактором развития отрасли машиностроения, создающим импульсы для экономического роста страны и регионов. Цифровая интеграция промышленного предприятия предполагает обеспечение взаимосвязи производственных операций посредством создания корпоративной информационной системы. Статья посвящена разработке и апробации методического подхода к оценке экономического эффекта от цифровой интеграции на предприятиях машиностроения. Методологическую основу исследования составили теории интеграции и организации производства, а также основные постулаты концепции цифровизации промышленности. Применялись методы эконометрического моделирования. Информационной базой выступили сведения о деятельности одного из крупнейших предприятий машиностроения Уральского макрорегиона – производственного объединения «Уральский оптико-механический завод» имени Э. С. Яламова». Систематизированы представления о сущности экономического эффекта от цифровой интеграции: выявлен уровень специфических издержек в данном процессе; на базе эконометрического моделирования выполнен прогноз их изменения в зависимости от различных факторов. Значимость полученных результатов состоит в расширении научного и практического понимания экономических эффектов от цифровизации промышленности.
Турбулентность социально-экономической среды оказывает существенное влияние на состояние и динамику развития регионального рынка труда. Статья посвящена разработке и апробации методического инструментария оценки состояния регионального рынка труда с учетом ключевых социально-экономических трендов – цифровизации и инновационного развития экономики. Методологическую основу исследования составила теория экономики труда. Использовались методы экономико-статистического и контент-анализа. Информационной базой работы послужили данные Федеральной службы государственной статистики за 2021 г. о рынках труда Центрально-Черноземного экономического района, включающего Белгородскую, Воронежскую, Курскую, Липецкую и Тамбовскую области. Предлагаемая авторская методика оценки состояния регионального рынка труда учитывает воздействие на него процессов цифровизации и инновационного развития экономики. Апробация методики на материалах областей, входящих в Центрально-Черноземный экономический район России, выявила следующие проблемы: существенное отставание их рынков труда по уровню оплаты труда в сравнении с другими субъектами Российской Федерации; наличие трудодефицитной конъюнктуры; низкие темпы цифровой трансформации и инновационного развития экономик. Сформулированы адресованные всем сторонам социального партнерства рекомендации, предусматривающие повышение инвестиционной привлекательности регионов; создание высокопроизводительных рабочих мест; активизацию профсоюзных организаций и объединений; «закрепление» молодежи в регионах; повышение эффективности профориентационной работы; привлечение трудовых мигрантов, прежде всего из других регионов РФ, за счет улучшения экономической, социальной и бытовой инфраструктуры; развитие компетенций граждан предпенсионного и пенсионного возрастов; создание условий для ускорения процесса цифровой трансформации, а также повышение инновационной активности регионов
An important condition for the successful incorporation of ESG principles in banks’ activity is reflecting the data on the implementation of environmental, social and governance activities in the reporting for stakeholders. The paper aims to build the models of ESG factors’ impact on the banking industry. Methodologically, the study rests on the theories of ESG banking and green (responsible) finance and uses the methods of dialectical and economic statistical analysis. By means of correlation analysis the authors reveal causal relationships and establish the ESG factors affecting the banking sector of the Russian Federation. The obtained data point to the importance of green finance within the framework of the sustainable environmental and economic development of the banking industry. The study does not fully confirm the thesis that following the ESG principles will lead to an increase in the profitability and efficiency of the banking sector: only social factors directly influence the performance of the banking sector, while environmental factors have an inverse effect, and there is no relationship with the governance factors. The findings can be useful while incorporating ESG principles in the regulation of financial markets and in investment practices. This will enable the organisations in the banking sector to form an ESG-based strategy, control the factors affecting the financial sustainability of the baking industry, manage ESG risks based on an extensive dialogue with stakeholders, and win goodwill
В текущих условиях получили развитие цифровые инвестиционные платформы, которые создали для предпринимательства новые возможности привлечения капитала. Статья посвящена разработке рейтинга таких платформ для удовлетворения информационно-аналитических потребностей агентов при принятии инвестиционных решений. Методологической базой исследования послужили экосистемный подход, а также положения цифровой, коллаборативной и платформенной экономики. В работе использовались методы балльно-рейтингового, коэффициентного, корреляционного анализа. Информационную базу составили публичные отчеты об инвестиционной деятельности и иные сведения 68 действующих операторов краудфандинговых платформ, размещенные на их сайтах. Для составления рейтингов рассматривались факторы инвестиционной активности (конкурентоспособности, рыночной активности, расширения масштаба и т. п.) и рисков (финансовой несостоятельности, неплатежеспособности, кредитного и судебного рисков и т. п.). Разработана методика балльно-рейтинговой оценки инвестиционной активности и рисков для формирования рейтингов цифровых площадок. Проведена многофакторная оценка инвестиционной активности и рисков как системного характера, так и специфичных для отдельных типов краудфандинга. Составлен рейтинг 68 краудфандинговых платформ, выделены типы платформ по критериям «инвестиционная активность – риски», а также по критериям безопасности для инвестирования («Ко-Фи», «Пирс. Оператор прямых инвестиций», «Поток. Диджитал», «Инвестори», «Инвест Гоу») и сопряженности с высоким риском. Методика будет полезна инвесторам и заемщикам для обоснования принимаемых финансовых решений, Банку России – для осуществления процедур контроля и надзора, профессиональному сообществу – для разработки направлений по развитию и стимулированию краудфандинга в России
Вопросы научно-технического сотрудничества России и Китая являются предметом изучения как российских, так и китайских экономистов. Однако до сих пор незначительно число работ, посвященных систематизации ключевых индикаторов научнотехнического развития (НТР) указанных стран и влиянию на это развитие санкционного давления. Исследование направлено на восполнение данного пробела. Методология работы базируется на положениях макроэкономического анализа. Использовались методы ретроспективного и компаративного анализа, группировки и SWOT-анализа. Информационной базой послужили данные Росстата, Всемирного банка и Государственного статистического управления КНР. Определены факторы успеха НТР Китая и России, общим для обеих стран признан фактор высокого качества человеческого капитала. Проанализированы индикаторы НТР каждой страны за период 2010–2021 гг., такие как динамика доли расходов на НИОКР в ВВП, доли выданных патентов на изобретения к численности трудоспособного населения страны; доли экспорта и импорта высоких технологий в ВВП; международная публикационная активность и др., и выявлены национальные различия в их масштабах. Выполнен SWOT-анализ научно-технического сотрудничества России и Китая, показавший, что его основной угрозой является санкционное давление. Согласно заключению авторов, такое сотрудничество пока не способствует научно-техническому развитию РФ и, более того, может угрожать ее превращением в ресурсный придаток КНР. Полученные результаты могут быть полезны при разработке дорожных карт и стратегий реализации научно-технического сотрудничества КНР и РФ. Дальнейших исследований требует соответствующее взаимодействие в рамках ключевых высокотехнологичных отраслей
В научном экономическом дискурсе сформировался определенный пул теорий и концепций, которые считаются общепринятыми, имеющими разработанную доказательную базу, этапы формирования, развитые научные школы и пр. Однако, как показывает история экономической мысли, не всегда в своем генезисе данные теории имели однозначную коннотацию и контекстуализацию. Возможно, в настоящее время мы становимся свидетелями формирования новой научной теории – ноономики. Статья посвящена изучению ее сущностных положений и смыслов и обоснованию ее принадлежности к современному этапу развития теорий экономической динамики и стадиальности экономических процессов. Методологической базой исследования послужили указанные теории. Методами работы выступили систематизация и обобщение в части раскрытия ключевых положений теорий экономической цикличности и динамики; логико-структурный и причинно-следственный анализ в части исследования эволюции базиса теорий технологического развития; метод конкретизации в части раскрытия сущностни ноономики. Выделены релевантные характеристики теорий экономической динамики и стадиальности экономических процессов и выполнен анализ ноономики в контексте данных характеристик. Показано, что рассмотренная научная концепция по основным критериям относится к разработкам, обосновывающим переходный этап экономического развития, и является частью указанных теорий. Подтверждена научная основа данной концепции. Результаты исследования вносят вклад в понимание перехода на следующий этап технологического развития экономики и общества в целом, расширяя границы научного познания через призму теорий экономической динамики
Издательство
- Издательство
- УрГЭУ
- Регион
- Россия, Екатеринбург
- Почтовый адрес
- 620144, Уральский ФО, Свердловская область, г. Екатеринбург, ул. 8 Марта/Народной Воли, д. 62/45
- Юр. адрес
- 620144, Уральский ФО, Свердловская область, г. Екатеринбург, ул. 8 Марта/Народной Воли, д. 62/45
- ФИО
- Силин Яков Петрович (РЕКТОР)
- E-mail адрес
- odo@usue.ru
- Сайт
- https://www.usue.ru/