Вы находитесь на странице: 1из 57

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ОБРАЗОВАНИЯ
«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ
«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет экономических наук

Образовательная программа «Экономика»

БАКАЛАВРСКАЯ ВЫПУСКНАЯ РАБОТА


на тему:

ОЦЕНКА НЕНАБЛЮДАЕМОГО СПРОСА НА ПРЯМЫЕ ИНОСТРАННЫЕ


ИНВЕСТИЦИИ В РЕГИОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

Выполнила:
Студентка группы БЭК 139
Аникеева Е.Р.

Научный руководитель
к.ф.-м.н., доцент
Ратникова Татьяна Анатольевна

Рецензент:
старший преподаватель
Чернышева Ирина Константиновна

Москва 2017
Оглавление
Введение ................................................................................................................... 3

Обзор литературы.................................................................................................... 5

Методология и анализ данных ............................................................................. 23

Эмпирическая часть. ............................................................................................. 30

Визуализация результатов:................................................................................... 38

Заключение: ........................................................................................................... 45

Список литературы: .............................................................................................. 47

2
Введение
На сегодняшний день многие именитые авторы затрагивают теории
ПИИ и проводят исследования с целью изучения детерминант, влияющих на
приток зарубежных инвестиций. Такой эффект происходит по нескольким при-
чинам. Во-первых, в условиях экономической нестабильности иностранные ин-
вестиции являются «дефицитным товаром», за который борются на мировом
рынке. Конкуренция нарастает все с большей силой и поэтому государства
стремятся стать более привлекательными наряду с остальными. Именно по-
этому становится необходимым определения факторов, определяющих притоки
ПИИ в экономику страны.
Во-вторых, борьба за иностранные инвестиции обусловлена их особен-
ностью — возможностью поддержания стабильного экономического роста (Фе-
дорова, 2014). Этот феномен обуславливается спецификой ПИИ, которая поз-
воляет обмениваться не только капиталами, но и поддерживать на постоянном
уровне приток новых технологий и современных разработок. Наряду с осталь-
ными факторами поддержания экономического роста, таких как диверсифика-
ция экономических процессов и увеличения выпуска промышленной продук-
ции, привлечение ПИИ является, как и более простым, так и более сложным
процессом одновременно. С одной стороны, привлечение прямых иностранных
инвестиций является двигателем экономического прогресса, движения капи-
тала приводят к ускорению внедрения рыночных реформ. С другой стороны,
кризис 2014 года и нестабильная экономическая и политическая ситуация на
мировом рынке ослабляет позиции России на мировой арене. Так, РФ послед-
ний раз входила в топ рейтинга стран по привлечению ПИИ лишь в 2013 году1.
По данным Всемирного банка объемы ПИИ значительно снизились, при
этом авторы отмечают высокую неравномерность экономического развития ре-
гионов, что способствует неравномерному привлечению ПИИ (Dairabayeva,

1
Доклад консалтинговой компании A.T.Kearney по разработке рейтинга «Foreign Direct
Investment Confidence Index», 2016 г.
3
2016). Так, приток ПИИ в Сахалине один из самых высоких, тогда как в Калмы-
кии один из самых низких, а уровень доходов населения близок к уровню Ни-
герии. Такое неравномерное распределение ставит под угрозу развитие регио-
нов и поднимает вопрос о необходимости анализа ненаблюдаемого спроса на
ПИИ. Получив данные о ненаблюдаемом спросе и получив разницу с уже име-
ющимся предложением ПИИ по данным Банка России станет понятно, какие
регионы остро нуждаются в дополнительном инвестировании.
Целью данного исследования является определение ненаблюдаемого
спроса на ПИИ и выявления кластеров регионов, характеризующихся избыточ-
ным и неудовлетворенным спросом на ПИИ.
Задачами данного исследования являются:
1) изучение теоретических подходов к анализу ПИИ и характерных для
них детерминант прямых зарубежных инвестиций;
2) сопоставление нескольких теоретических подходов и определения
наиболее адекватного соответственно заявленной цели исследования;
3) оценка потенциального (ненаблюдаемого) спроса на ПИИ в рамках
регионов РФ;
4) изучение разницы между реализованным и потенциальным спросом.
Объектом исследования служат регионы РФ.
Предмет исследования — прямые иностранные инвестиции в регионы
России.
Новизной работы является применение модели частичного приспособ-
ления для оценки потенциального спроса и выявления неудовлетворенного
спроса на ПИИ. Полученная модель выводится на основании одного из трех
наиболее популярных теоретических подходов, характеризующихся специфи-
ческим набором детерминант ПИИ.
Работа состоит из трех основных частей. В первой части приводится ли-
тературный анализ источников, во второй части приводится методология ис-
следования и особенности собранной для исследования базы данных. В третьей
части приводится анализ полученных результатов и выводы работы.
4
Обзор литературы
Теория прямых иностранных инвестиций не обладает богатой историей
и была создана в 60-е годы прошлого века. Ранее авторами не выделялись ПИИ,
как отдельный объект исследования, и они были лишь частью большой группы
— портфельных инвестиций. Однако, Хаймер в 60-м году отметил одно очень
важное отличие ПИИ от портфельных инвестиций — мотивация инвесторов.
Автор отмечает, что инвестор руководствуется не максимизацией прибыли, а
перевозом производства для завоевания новых рынков и получением контроля
над новыми предприятиями. То есть ПИИ характеризуется также завладением
новых активов на чужой территории, которые сохраняются в собственности у
заграничных инвесторов (Лившина, 2001).
Со времен открытия Хаймера в экономических исследованиях объектом
изучения чаще всего оказываются именно прямые иностранные инвестиции в
сектора экономики или же регионы страны, так как именно этот показатель
можно исследовать в явном виде. Реальные притоки капитала во время форми-
рования портфельных инвестиций отследить затруднительно, так как они фор-
мируются во время слияния или же поглощения корпораций. В связи с этим
было принято решение использовать приток прямых иностранных инвестиций
ПИИ, которые возможно отследить в явном виде.
В наше время экономика каждого государства нуждается в инвестициях,
так как именно они являются движущей силой экономического роста.
Наиболее точное понятие «прямых иностранных инвестиций» представлено в
понятии «ПИИ» в Федеральном законе Российской Федерации. Необходимо
выполнение одного из трех условий, для того, чтобы инвестиции классифици-
ровались как «ПИИ»:
1) Иностранный инвестор становится собственником более 10 процен-
тов доли уставного капитала коммерческой организации. Следует от-
метить, что не имеет значения организация создается в момент инве-

5
стирования или же инвестор приобретает пакет акций уже существу-
ющей компании. Главным условием является регистрация компании
на территории РФ в порядке, установленном Конституцией.
2) Образование зарубежного юридического лица на территории РФ
наряду с инвестированием капитала в основной фонд для существо-
вания предприятия.
3) Иностранный инвестор является собственником оборудование и
сдает его в аренду или же предоставляет услуги лизинга на террито-
рии РФ. Оборудование должно быть регламентировано разделами 16
и 17 Товарной номенклатуры внешнеэкономической деятельности
Таможенного союза в рамках ЕврАзЭС (далее - Таможенный союз).
При этом стоимость должна быть более миллиона рублей2.
После открытия Хаймера ученые предпринимали много попыток по изу-
чению ПИИ, а также поисков детерминант, влияющих на ПИИ. Одними из пер-
вых, кто применил к изучению ПИИ эконометрические методы исследований с
использованием панельных данных, были предприниматели - А. Агарвал
(1980) и др. (Lucas, Agarwal,1993). Основываясь на исследованиях С. Лукаса
(1993), Агарвал сделал более развернутую теоретическую модель с использова-
нием реальных данных (Chen, Ge & Lai, 2011). Его основной стратегий был по-
иск факторов, которые влияли на приток инвестиций. Это исследование было
проведено на основе данных, полученных по 10 азиатским странам конца XX
века. Методология исследования была основана на эконометрическом анализе,
автор создал математическую модель, которая описывала детерминанты ПИИ.
Исследование показало, что на потоки иностранных инвестиций большее влия-
ние оказывает капиталоемкость отрасли и показатели внутреннего спроса, чем
доходы граждан.

2
Федеральный закон от 09.07.1999 № 160-ФЗ “Об иностранных инвестициях в Российской Федерации.
6
Так как РФ входит в содружество БРИКС, было бы полезным рассмот-
реть работы, анализирующие детерминанты ПИИ в Китае — государстве, сто-
ящем на втором месте по притоку ПИИ3. Успешны опыт Китая во многом зави-
сит от политики государства. Китай проводит последовательную политику с
конца 70-х годов, чтобы привлечь необходимый объем инвестиций, тогда как
подобная политика начала проводиться в России лишь с 1987 года (Биргулиева,
2009).
Особенностями экономики Китая является прямая зависимость произ-
водства от иностранных капиталов, при этом повышение экономического роста
происходит за счет повышения производительности и оптимизации (Liu, 2008;
Wei and Liu, 2006; Yao, 2006). В то же время существует такая же проблема, как
и в РФ: развитие провинций сильно дифференцировано, как и развитие регио-
нов. Исследователи наблюдали неравенство между сильным превосходством
прибрежных провинций над теми, которые не имеют выхода к морю. Таким об-
разом, центральный и западный регионы отстают от других (Ge & Lai, Chen,
2011). Позднее исследователи определили зависимость инвестиций не только
от географического расположения региона, но и от производственных мощно-
стей. Выяснилось, что инвесторы не хотят финансировать низкорентабельные
перерабатывающие отрасли, охотно инвестируя в высокотехнологичные обла-
сти (Kelly Liu, 2012).
Открытая политика Китая привлекает иностранных инвесторов к про-
цессу развития современных и прогрессивных технологий. В то же время, с
точки зрения инвесторов, наиболее прибыльным является реальный производ-
ственный сектор в странах БРИКС. Однако, китайские исследователи доказали,
что основным фактором, который приносит прибыль от производства и привле-
каемых инвестиций, был спрос на внутреннем рынке провинции (Sun and Chai
(1998); Lin et al (2011). Следует отметить, что внутренний спрос региона опре-

3
Рейтинг всемирного банка (http://datacatalog.worldbank.org/)
7
деляется непосредственно технологическим развитием и наличием высококва-
лифицированных рабочих. Региональная эконометрическая модель строилась
со следующими объясняющими переменными: издержки на зарплату и каче-
ство выполненной работы (возникают из-за низкой квалификации), качество
инфраструктуры, развитие региона в целом. Исследование проводилось для об-
рабатывающей промышленности Китая. Тем не менее, эти региональные детер-
минанты будут использоваться для различных секторов экономики в наших ис-
следованиях.
Существует удивительно широкий консенсус в отношении прямых ино-
странных инвестиций в обрабатывающих секторах. В то же время прямые ино-
странные инвестиции в основном повышаются в высокотехнологичной катего-
рии, что выявляет проблему инвестиций в другие категории. Первым предло-
жили использовать темпы прироста региональных показателей в качестве де-
терминант Ван и Суэйн ((Wang, Swain, 1997). В качестве детерминант они ис-
пользовали темпы прироста ВВП, сам ВВП, затраты на зарплату и торговые ба-
рьеры. Эти факторы положительно влияют на потоки инвестиций. Обменный
курс и ключевая процентная ставка проявили негативное влияние в период ана-
лиза с 1978 по 1992 год. Позднее Ченг и Кван показали позитивное влияние
развития инфраструктуры региона (Cheng, Kwan, 2000). Однако, Мудамби и
Мудамби опровергли положительное влияние и показали, что уровень развития
инфраструктуры не влияет на высокотехнологичные сектора обрабатывающей
промышленности (Mudambi, Mudambi, 2005).
Многие секторы экономики были упомянуты как объект исследований в
зарубежных странах. Чжан и Юк также использовали перерабатывающую про-
мышленность в качестве объекта для анализа детерминант ПИИ (Zhang, Yuk,
1998). Однако они наблюдали разницу между инвестициями в капиталоемкие и
трудоемкие отрасли. Главным отличием была ориентация конечного продукта.
Исследователи определили, что трудоемкие отрасли были направлены
на экспорт продукции и, следовательно, привлекают больше иностранных ин-

8
весторов. Тем не менее, капиталоемкие были в большей степени ориентиро-
ваны на внутренний рынок и не ожидали большого притока иностранных инве-
стиций.
На основании сравнительных преимуществ, Келли Лиу (2012) и др. про-
вели эконометрический анализ панельных данных для сравнения ПИИ в стра-
нах БРИКС (Liu, Daly, 2012). Исследователи выявили, что трудоемкие отрасли
экономики более привлекательны. В то же время инвесторов привлекают про-
винции с наличием прибрежной территории и развитой инфраструктурой. Это
объясняется сравнительно дешевую рабочую силу по сравнению с другими об-
ластями стран БРИКС.
На основе создания эконометрической модели и ее апробации на реаль-
ных данных исследователи установили 8 основных детерминант (Даннинг,
1988). В широком диапазоне современных исследований основное внимание
уделяется потенциальным детерминантам, среди которых:
• развитие инфраструктуры в регионе,
• наличие прибрежной территории,
• стоимость рабочей силы,
• направление проводимой в государстве политики,
• уровень развития внутреннего спроса.
В то же время, наличие агломераций, ВВП и уровень развития региона
также оказывают влияние на объем ПИИ. При этом ВВП обменный курс и ре-
гиональные характеристики оказывают положительное влияние на инвестиции
в высокотехнологичные категории производства. Это происходит потому, что
детерминанты непосредственно влияют на внутренний спрос. Исследователи
уверены, что объем рынка и уровень технологического развития привлекают
инвесторов. Регионы увеличивают привлекательность благодаря уже имею-
щейся высоко развитой технологичной базы и поэтому агрегируют множество
зарубежных разработок внутри государства. Так же удалось выяснить необхо-
димость в уменьшении затрат при использовании старых разработок, вложение
средств по их завершению и усовершенствованию, чем при внедрении новых
9
(Liu, 2012; Billington, 1999). Но в то же время было выявлено, что это может
оттолкнуть инвесторов, так как высокое развитие региона приводит к увеличе-
нию расходов.
Рассмотрим классификацию теорий формирования ПИИ и выберем под-
ходящие для исследования. Как известно, не только международные компании,
но и экономика страны нуждаются в постоянном уровне притока капитала. Эко-
номический рост государства во многом зависит от положительных потоков
иностранных инвестиций. Именно поэтому вопросу ПИИ посвящали свои ра-
боты экономисты еще в начале XX века. Именно тогда первым освятил пробле-
матику ПИИ Дж. Милль, который построил свою теорию на основе теории меж-
дународной торговли Рикардо4.
Позднее, проанализировав подходы первооткрывателей, Хейтер выдви-
нул классификацию теорий, описывающих какие именно мотивы побуждают
транснациональные корпорации (ТНК) инвестировать за рубеж (Исланкина,
2014). В своей книге исследователь выделил следующие группы теорий. В
первую группу были выделены неоклассические теории, которые выделяли
среди основных целей ТНК личную заинтересованность, а именно увеличение
собственной прибыли путем уменьшения затрат на производство. Эти теории
выделяют среди основных детерминант человеческий капитал, региональные
характеристики и близость к ТНК. Во вторую группу он отнес институциональ-
ные теории, предполагающие, что прибыль и издержки определяются различ-
ными типами экономических агентов. Третья группа поведенческие теории, ко-
торые сосредотачиваются на индивидуальных предпочтений иностранных соб-
ственников, в том числе на их предыдущем опыте.
Разберем основные модели, которые будут взяты за основу исследова-
ния. «Теория жизненного цикла продукта» была разработана Верноном в 1966
году и чуть позже претерпела некоторые изменения под руководством Уэль-
сона в 1972 году (Исланкина, 2014). Согласно этой теории, товар имеет 4 стадии

4
Мировая экономика: Учебник, 2009. 581 с
10
жизненного цикла. В более развитых странах возможна лучшая разработка то-
вара, так как его изобретение затребовано населением с высокими доходами.
На первой стадии продукт разрабатывается и внедряется на отечествен-
ном рынке. При этом товар сопровождается высокими издержками его произ-
водства на первых этапах и требует больших инвестиций на этапах ограничен-
ного производства. Вторая стадия характеризуется увеличением объемов про-
изводимого товара и в последующем выхода товара на рынки за рубеж. При
этом, цена на товар снижается, и он перерастает в статус массового. Третья ста-
дия характеризуется стандартизацией производства и снижения затрат. При
этом производство на данной стадии перемещается в страны с дешевыми чело-
веческими ресурсами. На третьем этапе товар выходит на массовое производ-
ство и уже не требует больших затрат и дорогой рабочей силы. На данной ста-
дии перенесения производства и увеличения объемов ТНК решают переместить
производство в другие страны и тем самым обеспечивается нужда в ПИИ. На
четвертой стадии товар претерпевает конкуренцию с уже новыми продуктами,
и, следовательно, прибыль компании снижается. Теория Вернона была воспри-
нята положительно, так как позволяла разделить страны по принадлежности к
различным фазам (Vernon, 1966; Рогатнев, 2015). Развитые государства с пре-
обладающим капиталистическим устройством и передовой научной базой пре-
имущественно занимаются первой стадией развития товара, тогда как вторая
стадия отведена странам развитым и развивающимся с избыточными матери-
альными ресурсами. Третья же стадия отвечает развивающимся странам с боль-
шим количеством низкооплачиваемой рабочей силы.
Немного ранее Вернона была разработана «теория ТНК и несовершен-
ной конкуренции» под руководством Хаймера в 1960 году (Акимкина, 2013).
Данная теория рассматривает конкурентоспособность компаний на ряду с их
международной деятельностью. Теория гласит, что корпорации нуждаются в
дополнительном инвестировании для покрытия рисков и дополнительных за-
трат. В связи с несовершенством информации на зарубежном рынке необхо-

11
димы дополнительные инвестиции и для успешной деятельности инвестирую-
щая компания должна обладать преимуществами. Позднее, данную концепцию
доработал Ч.П. Киндльбергер в 1969 году и выделил ряд несовершенств, а
также предложил их классификацию (Лившина, 2001).
Ф.Т. Никкербоккер и Х. Грэм в 70-е годы прошлого века разработали
схожую теорию «Олигополия и ПИИ», которая базировалась на эмпирическом
исследовании американских компаний и выявила, что в олигополистических
отраслях конкуренты вплотную следуют за лидерами (Акимкина, 2013). Данная
модель плохо объясняет мотивы первичных инвестиций, но при этом хорошо
описывает конкурентный отбор корпораций, уже вошедших на рынок. Грэм
позднее показал, что мотивацией к совершению ПИИ могут быть не только эко-
номические выгоды, но и могут быть меры, которые позволяют сдерживать кон-
курентов и сохранять конкурентное преимущество.
Поворотной стала «теория интернализации» Баккли и Кассона, создан-
ная в 1976 году (Каримова, 2015). Эта концепция отражает связь технологий
крупной корпорации и ее инновации. В диссертации Хаймер утверждал, что ос-
новными детерминантами ПИИ было отсутствие конкуренции и индивидуаль-
ное преимущество компании (Хаймер, 1960). Опираясь на этот факт, авторы
теории заключили, что для больших компаний наличие внутренней структуры
ведет к увеличению ПИИ. Они утверждали, что корпорация не должна переда-
вать технологии другим корпорациям, а должна выделяться именно способно-
стью интернализовать свою технологию внутри. Сильная структура составляет
отдельный рынок, альтернативный для инвесторов, где возможна минимизация
издержек путем экономии на масштабе (Акимкина, 2013).
Немного ранее этих теорий была разработана парадигма «летящих гу-
сей», положил начало которой К. Акамацу в 1938 году (Коняхина, 2009). Автор
выделяет три фазы, которые проходит развивающаяся отрасль. Первая фаза ха-
рактеризуется импортом в экономику от зарубежных приемников, далее пред-
полагается открытие производств уже внутри экономики для удовлетворения

12
спроса внутри государства, и на последней стадии государство уже само начи-
нает экспортировать излишки товаров.
Продолжили работу над данной теорией Коджива и Озава, добавив зна-
чимый детерминант ПИИ, способный ускорять развитие новых отраслей в гос-
ударствах (Kojima, Ozawa, 1984). Они показали, что иностранный капитал мо-
жет значительно облегчить гонку корпораций и увеличить конкурентное пре-
имущество компании. Также, устранение торговых барьеров и сохранение тех-
нологий внутри корпорации позволяют компании дольше держаться на плаву
оставаясь монополистом. Кроме того, новый подход позволил преодолеть
неоклассическую традицию сведения проблемы разделения труда и междуна-
родных экономических отношений исключительно к торговле. Если неоклас-
сики, опираясь на теорему Самуэльсона о выравнивании цен на факторы про-
изводства, предполагают, что торговля заменяет перемещение факторов произ-
водства (труда и капитала) между странами, то сторонники «жизненного цикла»
придерживаются более реалистического взгляда. Они не только допускают, но
и доказывают необходимость экспорта капитала, передачу технологии за гра-
ницу, деятельность транснациональных корпораций в течение «жизненного
цикла продукта». Таким образом, теория «жизненного цикла продукта» вы-
годно отличается от неоклассической концепции международного разделения
труда. Тем не менее, когда речь заходит о практических рекомендациях, они
оказываются очень схожими. Как сторонники теории Хекшера—Олина, так и
авторы теории «жизненного цикла» выступают за политику «открытых дверей»
(Бородин, 2006). Единственное, пожалуй, различие состоит в том, что послед-
ние требуют не только и не столько устранить барьеры на пути торговой экс-
пансии наиболее развитых стран, сколько развязать руки транснациональным
корпорациям (ТНК).
Теория конкурентного преимущества наций, доказанная Портером в
1990 году на основе изучения конкурентоспособности в промышленных отрас-

13
лях развитых стран, показывает наличие связи между стратегиями ТНК и пре-
имуществом стран, нуждающихся в ПИИ. Автор предлагает деление факторов
на основные четыре категории (Портер, 1998):
• во-первых, корпоративная политика, ее внутренняя направлен-
ность, цели и положение на рынке, конкурентное преимущества и
целенаправленное развитие;
• во-вторых, важным фактором является внутренняя исключитель-
ность человеческого капитала и качество и эксклюзивность предо-
ставляемого продукта, новизна знания и информации;
• в-третьих, не последнее место занимают характеристики страны,
такие как внутренний спрос, темпы роста, характеристические осо-
бенности потребителей.
Портер также выделяет наличие других вспомогательных отраслей, спо-
собных диверсифицировать возникающие риски, что является одним из важ-
нейших факторов для принятия решений инвесторами.
Позднее автор дополнил свою теорию, выделив дополнительно два важных
фактора:
• шоки зарубежных рынков,
• политика государства, которая способствует размещению ПИИ.
Одной из самых распространенных и применимых теорий является
Электрическая парадигма (OLI), представленная Даннингом в 1981 году (Дан-
нинг, 1988). Теория объясняет интернализацию и выделяет три основные де-
терминанты притока иностранного капитала.
Первым фактором являются преимущества корпорации или же объекта,
принимающего иностранный капитал (Ownership-specific advantages, О-пре-
имущества). Следующим фактором являлось внутреннее разнообразие исклю-
чительных качеств на уровне единицы (корпорация, регион) (Ownership-
specific advantages, О-преимущества) и заключительным фактором являлась
степень интернализации (Internalization-specific advantages, I-преимущества)
(Акимкина). Теория признается как одна из первых наиболее всеобъемлющих
14
среди теорий конца ХХ века. При этом автор отмечает, что первая группа усло-
вий является лишь достаточными, то есть минимальными условиями, необхо-
димыми для конкуренции на международных рынках.
Авторы из Екатеринбурга (Решетова, Шилков, 2015) выделили четыре основ-
ных направления, согласно которым 4 направления причин позволяют в пол-
ной мере определяют приток ПИИ и их привлечение:
• определение рынка и установление или очертание торговых барье-
ров;
• нахождение ресурсной базы, как природного характера, так и чело-
веческого капитала;
• эффективное распределение материальных ресурсов;
• уникальность знания, научно-технические разработки и современ-
ное техническое обеспечение (Решетова, Шилков, 2015).
Одной из главных проблем теоретического обоснования является отсут-
ствие модели, объясняющей приток ПИИ на уровне субъектов РФ. Именно по-
этому в работе мы попытаемся разумно адаптировать модели для корпораций
к мезо уровню. В рамках работы рассмотрим теорию Теша, которая была раз-
работана в 80-е годы и является соединением теории интернационализации и
теории Вебера о размещении промышленности (теория больше относится к
промышленности и описывает микроуровень, поэтому не описана подробно в
работе). Теория Теша была разработана как продолжение электрической пара-
дигмы для предприятий, и является ее более расширенным прототипом (Гуме-
рова, 2008).
Условно Теш предлагает разделить факторы на три группы. К первой
группе можно отнести детерминанты, определяющие преимущества и харак-
теристики предприятия в целом, а также факторы, которые являются неотъем-
лемой частью данной местности. Например, сред них, правовая база, налого-
вые обязательства, ресурсная база, внешние шоки и условия. Ко второй группе
факторов следует относить весь перечень факторов производства, которыми
располагает предприятие. К таким факторам можно отнести фонд заработной
15
платы сотрудников, наличие капитала и основных фондов, высококвалифици-
рованных кадров, благоприятные условия для экспорта и импорта капитала,
благоприятные климатические условия. К третьей группе факторов стоит от-
нести детерминанты, характеризующие реализацию изготавливаемой продук-
ции. Среди таких факторов численность населения, развитая инфраструктура,
среднедушевой доход, различные факторы спроса, различные факторы, опре-
деляющие конкуренцию. Так как большая часть теорий относится именно к
микро-уровню, в работе будет проведена аналогия и использованы модели
микро-уровня на мезо-уровне в региональном разрезе (Теш, 1980).
Теория валютного курса в рамках несовершенных рынков была разрабо-
тана Кушманом и Итагаки в 80-е годы прошлого века. Авторы объясняли при-
ток ПИИ с точи зрения международной торговли и доказали влияние на него
валютной нестабильности. Таким образом, авторы выявили прямую зависи-
мость реального валютного курса на приток ПИИ. Однако, следует отметить,
что увеличение курса валюты другого государства напротив оказывает обрат-
ный эффект (Каримова, 2015). Так как исследование будет проведено в рамках
одного государства и ПИИ не дифференцированы по странам-донорам, следо-
ванно эмпирически данная теория проверена быть не может.

Исследование будет проводиться по данным РФ, следовательно, разум-


ным было бы рассмотреть отечественную периодизацию теории ПИИ и объ-
яснить эффекты, возникающие при инвестировании. Изучая работы современ-
ных авторов РФ можно прийти к выводу об отсутствии единой концепции и
консенсуса относительно теоретической базы. Однако, в своей работе Биргу-
лиева приводит следующею периодизацию. Первым периодом авторы предла-
гают считать период правления династии Рюриковичей и Романовых, начиная
с 14 века нашей эры. Этот период характеризуется «идеальным» инвестирова-
нием: ПИИ поддерживали экономический рост, привносили инновационные
разработки и способствовали технологическому развитию (Биргулиева, 2009).

16
Второй этап авторами был назван период «частично открытых дверей»,
который выделяется в после революционный период по 1928 год. Период Ве-
ликой Депрессии и послереволюционного становления СССР характеризо-
вался образованием совместно финансируемых предприятий и корпораций,
начинали формироваться совместные научно-практические базы для совмест-
ных разработок. Третий период развития характеризовался спадом ПИИ, так
как были введены меры по приостановлению движения иностранного капи-
тала. До 80-х годов советское правительство вело политику закрытых дверей,
не допуская утечки технологий и капиталов. Таким образом велась политика
наращивания собственных разработок и развитие отечественного капитала, не
прибегая к помощи иностранных партнеров.
Начиная с конца 80-х годов наблюдается оттепель в политическом
направлении по отношению к ПИИ. За счет инвестиций стимулируется эконо-
мический рост на ряду с изменением политики, стимулирующей приток и бла-
гоприятствующий его увеличению. При этом технологии начинают разви-
ваться лишь уже в 2000-е, на пятом этапе становления ПИИ в России. Этот
этап характеризуется открытостью политики привлечения инвестиций, разви-
тием технологической и инвестиционной базы. Именно в рамках 5 этапа будет
рассматриваться наше исследования и, следовательно, открытая политика и
развития технологий будут присутствовать в работе. Можно заметить, что в
других странах наблюдался пусть развития, похожий на теорию жизненного
цикла товара, тогда как в России на третьем этапе напротив наблюдался спад.
Именно поэтому на сегодняшний день некорректным оказывается сравнение
РФ с другими странами. Также, авторы отмечают, что экономика России нуж-
дается в современных технологиях как государство с промышленной направ-
ленностью.
В работе российских авторов Захарова и Голиковой показывается раз-
личные стороны инвестируемого капитала (Захаров, Голикова, 2012). С одной
стороны, наблюдается приток иностранных новых технологий и инноваций,
однако при этом развивая их на территории РФ при помощи интеллектуальной
17
собственности местных фондов затем наблюдается извлечение местных разра-
боток, что приводит к значительны потерям.
Многие как российские, так и зарубежные авторы применяют различные
подходы к анализу иностранных инвестиций. При этом именно применение
теоретических моделей является самым предпочтительным. Поэтому неотъем-
лемой частью работы является систематизация проанализированных теорий.
Российский автор Биргулиева попыталась систематизировать теоретические
подходы и разделила их на три основные группы по степени новизны внедря-
емой технологии (Биргулиева, 2009).
Первая группа характеризуется инвестициями для создания абсолютно
новых разработок и продуктов. К ней можно отнести теории Даннинга, модель
интернализации Баккли и Кассона и теорию конкурентного преимущества
наций. Ко второй группе относятся теории ПИИ, которые прямо или косвенно
могут объяснять производство уже имеющих место на внутренних и внешних
рынках товаров. То есть, инвестиции в данном случае могут служить толчком
для наращивания объемов производства, или же для модернизации техноло-
гий. Из рассмотренных нами моделей к таким теориям можно отнести пара-
дигму «летящих гусей». К третьей группе относят теории, получившие успех
только на внутреннем рынке, среди них можно выделить теорию жизненного
цикла продукта Вернона и теорию инвестиционного развития государства. По-
следняя теория была разработана Нарула и Даннингом и гласит о пяти стадиях
эволюционного развития каждой страны. Авторы выявили, что эволюционное
развитие состоит из 5-ти основных частей. На первой стадии наблюдается низ-
кий импорт ПИИ, затем увеличение импорта на следующей стадии сопровож-
дается появлением экспорта ПИИ из страны. Затем наблюдается замедление
импорта в следствии реакции на экспорт, но при этом объемы экспорта увели-
чиваются. На четвертой стадии экспорт превалирует над импортом, и это ста-
дия сменяется появлением ТНК и возобновлением объемов экспорта и им-

18
порта. Теория говорит о том, что до четвертой стадии развития страны-до-
норы размещают инвестиции до момента превышения ВВП страны-реципи-
ента над страной донором. После этого начинается 5 стадия развития.

19
Теоретическая модель
В ходе анализа литературных источников были выбраны три теоретиче-
ских модели для апробации их на реальных данных и дальнейшего анализа с
целью получения неудовлетворенного спроса на ПИИ. Для дальнейшего ис-
следования были выбраны модели Теша, Даннинга и Портера.
Главной проблемой анализа данных на мезо-уровне является отсутствие
теоретической базы. Именно поэтому выбраны теории, которые представля-
ется возможным использовать на мезо-уровне, тогда как они разрабатывались
для микро-уровня. Для каждой из трех моделей были выбраны определенные
детерминанты, характеризующие основополагающие характеристики в рам-
ках теоретических моделей.
В модели Портера была использована спецификация:
𝑦𝑖𝑡 = 𝛾 ∗ 𝑦𝑖𝑡−1 + 𝑥𝑖𝑡′ 𝛼 + 𝑢𝑖𝑡 ,

где 𝑦𝑖𝑡 -доля ПИИ в ВРП за текущий период, x1 – численность студентов,


обучающихся по программам среднего рабочего класса (характеристики чело-
веческого капитала), x2 -индекс добычи полезных ископаемых (характери-
стика региона), x3 – индекс промышленного производства (характеристика ре-
гиона), x4 – плотность твердых дорог (характеристика региона), x5 – количе-
ство безработных (характеристики человеческого капитала), x6 – работники с
высшим образованием (человеческий капитал), x7 – экспорт в страны дальнего
зарубежья (внешние характеристики региона), x8 – доля основных фондов в
ВРП (внешние характеристики региона), x9 – доля средств, затраченных на
научные разработки (характеристика региона), x10– количество преступлений
(характеристика региона), 𝑢𝑖𝑡 ~N (0, σ2).
В модели Даннинга была использована более расширенная специфика-
ция:

20
𝑦𝑖𝑡 = 𝛾 ∗ 𝑦𝑖𝑡−1 + 𝑥𝑖𝑡′ 𝛼 + 𝑢𝑖𝑡 ,

где 𝑦𝑖𝑡 -доля ПИИ в ВРП за текущий период, x1 – плотность твердых до-
рог (характеристика региона), x2 – количество безработных (характеристики
человеческого капитала), x3 -индекс добычи полезных ископаемых (характе-
ристика региона), x4 – мощность электростанций (ресурсная база), x5 – степень
износа основных фондов (характеристика региона), x6 – прирост цен на пер-
вичном рынке жилья (обеспечение населения), x7 – количество работников с
высшим образованием (человеческие ресурсы), x8 – экспорт в страны дальнего
зарубежья (внешние характеристики региона), x9 – доля основных фондов в
ВРП (внешние характеристики региона), x10 – доля средств, затраченных на
научные разработки (характеристика региона), x11– количество преступлений
(характеристика региона), 𝑢𝑖𝑡 ~N (0, σ2).
Модель Теша является самой обширной и описывается следующим об-
разом:
𝑦𝑖𝑡 = 𝛾 ∗ 𝑦𝑖𝑡−1 + 𝑥𝑖𝑡′ 𝛼 + 𝑢𝑖𝑡 ,

где 𝑦𝑖𝑡 -доля ПИИ в ВРП за текущий период, x1 – плотность твер-


дых дорог (характеристика региона), x2 – прирост цен на первичном рынке жи-
лья (обеспечение населения), x3 – индекс цен на продовольственные товары
(характеристика внутреннего рынка), x4 – количество безработных (характери-
стики человеческого капитала), x5 – количество работников с высшим образо-
ванием (человеческие ресурсы), x6 – экспорт в страны дальнего зарубежья
(внешние характеристики региона), x7 – импорт из стран дальнего зарубежья
(внешние характеристики региона), x8 – экспорт в страны СНГ (внешние ха-
рактеристики региона), x9 – импорт из стран СНГ (внешние характеристики
региона), x10 – доля годового среднедушевого расход в ВРП (характеристики
региона и потребителей), x11 – доля основных фондов в ВРП (внешние харак-
теристики региона), x12– количество преступлений (характеристика региона),
x13 – доля средств, затраченных на научные разработки (характеристика реги-
она), x14 – индекс промышленного производства (характеристика региона), x15
21
-индекс добычи полезных ископаемых (характеристика региона), x16 -индекс
потребительских цен (характеристика внутреннего рынка), x17 -выбросы за-
грязняющих веществ (внешние эффекты), 𝑢𝑖𝑡 ~N (0, σ2).
Таким образом, в работе будет проведен сравнительный анализ
трех теоретических моделей для понимания, какая из моделей наиболее при-
менима на мезо-уровне.

22
Методология и анализ данных
В ходе работы была собрана панель данных с 2011 по 2015 год в разрезе
субъектов Российской Федерации. Такая ограниченность выборки связана с
тем, что зависимая переменная-приток ПИИ по субъектам, в которых зареги-
стрированы резиденты, начала формироваться с 2011 года и ранее информа-
ции по этому показателю найдено не было. Это происходит из-за того, что по-
казатель по притоку инвестиций в субъекты, где зарегистрированы резиденты
представляется ЦБ РФ с 2011 года и все попытки найти предыдущую дина-
мику закончились неудачей. Остальные данные были собраны посредством
Росстата и ЦБ РФ. Для дальнейшего анализа данных необходимо предоставить
описательные статистики и выявить основные проблемы собранных данных.
Сразу же стоит отметить, что панель не сбалансирована в связи с наличием
таких субъектов как Крым и Севастополь, который был присоединен только в
2014 году.

Показатель Условное обо- Тип пере- Ис- Особен-


значение менной точ- ности (не
ник обяза-
дан- тельно)
ных
Доля притока прямых fdi Количе- ЦБ
иностранных инвести- ственная
ций в ВРП региона
Уровень участия в ра- labor_force Количе- Рос-
бочей силе ственная стат
Число занятых number_work Количе- Рос-
ственная стат
Индекс безработицы unemployment Количе- Рос-
ственная стат
Численность студен- workers_student Количе- Рос-
тов, обучающихся по ственная стат
программам рабочих
среднего класса
Население в трудоспо- nasele- Количе- Рос-
собном возрасте nie_trudvozrast ственная стат
Степень износа основ- stepen_iznosa Количе- Рос-
ных фондов ственная стат

23
Количество предприя- n_predp_or- Количе- Рос-
тий и организаций ganiz ственная стат
Индекс промышлен- in- Количе- Рос-
ного производства (в deks_prompro- ственная стат
процентах к предыду- izv
щему году)
Индекс добычи полез- ind_dob_iskop Количе- Рос-
ных ископаемых (в ственная стат
процентах к предыду-
щему году)
Мощность электро- moschnost_el- Количе- Рос-
станций ektro ственная стат
Плотность автомобиль- plotnostdorog Количе- Рос- км путей
ных дорог с твердым ственная стат на 1000
покрытием км2 тер-
ритории
Грузооборот gruzooborot Количе- Рос- Млн Т-км
ственная стат
Использование сети intenet Количе- Рос-
интернет в организа- ственная стат
циях
Количество организа- norg_nauka Количе- Рос-
ций, занимающихся ственная стат
научными разработ-
ками
Индекс потребитель- ind_po- Количе- Рос-
ских цен treb_price ственная стат
Индекс цен на продо- ind_prod_tovary Количе- Рос-
вольственные товары ственная стат
Прирост цен на первич- market_kvatiry Количе- Рос-
ном рынке жилья (от- ственная стат
носительно предыду-
щего года)
Доля экспорта в зару- eksp_country Количе- Рос-
бежные странны в ВРП ственная стат
Доля импорта из зару- imp_country Количе- Рос-
бежных стран в ВРП ственная стат
Доля экспорта в страны eksp_sng Количе- Рос-
СНГ в ВРП ственная стат
Доля импорта из стран imp_sng Количе- Рос-
СНГ в ВРП ственная стат
Количество первич- kvartiry Количе- Рос-
ного жилья, введенного ственная стат

24
в действие в текущем
году
Доля стоимости основ- fond Количе- Рос-
ных фондов в ВРП ственная стат
Доля средств, затрачен- nauka Количе- Рос-
ных на научные разра- ственная стат
ботки в ВРП
Доля годового средне- dochod_ducha Количе- Рос-
душевого дохода в ВРП ственная стат
(в процентах)
Доля годового средне- raschod_sredniy Количе- Рос-
душевого расхода в ственная стат
ВРП (в процентах)
Количество рабочей number_work1 Количе- Рос-
силы (посчитано вруч- ственная стат
ную)
Количество преступле- prest Количе- Рос-
ний ственная стат
Количество работни- workers_vobr Количе- Рос-
ков с высшим образова- ственная стат
нием, которых выпус-
кают высшие учебные
заведения в год
Количество безработ- bezr_ruch Количе- Рос-
ных человек ственная стат
Выбросы загрязняю- vybrosy Количе- Рос-
щих веществ в атмо- ственная стат
сферный воздух (тыс.
тонн)
Таблица 1. Перечень показателей, использованных в исследовании.

В таблице 1 представлен перечень основных показателей, который будет


использован в практической части работы. Перед построением модели необ-
ходимо проанализировать данные на наличие выбросов и корреляции с зави-
симой переменной. Проанализировав таблицу 2, следует отметить, что все пе-
ременные, связанные с денежными показателями взяты как доли от ВРП. Та-
кой прием ранее был использован Ратниковой и Копытком для анализа влия-
ния таргетирования инфляции на приток ПИИ (Ратникова, Копыток, 2017).

25
В таблице 2 представлены описательные статистики зависимой и объяс-
няющих переменных. Первое, что стоит отметить это отсутствие значений
стандартных отклонений between и within равных 0. Это свидетельствует о
том, что все переменные в выборке изменяются как по регионам, так и по вре-
мени. Практически для всех переменных значение between больше значения
within, что свидетельствует о наличии большего различия по регионам нежели
по времени. Это прогнозируемый результат, так как субъекты сильно диффе-
ренцированы: по величине территорий, ресурсной базе, экономическому и со-
циальному развитию. Также, следует отметить, что значение overall преиму-
щественно больше, чем значение between, что свидетельствует о важности об-
щей динамики больше нежели индивидуальной для переменных. Для перемен-
ной стоимости основных фондов наблюдается обратный эффект. Это может
быть объяснено сильной волатильностью данного показателя в рамках доста-
точно маленького временного ряда. Так как таких переменных несколько,
можно предположить о наличии неоднородности в выборке.

Так как в выборке нет переменных с отрицательными значениями ра-


зумно будет посмотреть на графики основных значимых переменных в чистом
виде и логарифмированных.

Таблица 2. Графики зависимой переменной в логарифмах и без

Как можно заметить по таблице 2, график справа представлен долей


ПИИ в ВРП, тогда как слева-лог линейная спецификация доли ПИИ в ВРП. На
графике слева наблюдается распределение, близкое к нормальному, тогда как
26
на графике справа наблюдения распределены от 0 до 1, что характерно для
доли.

График 1. Степень износа основных фондов и доля экспорт в страны


дальнего зарубежья в ВРП.

Степень износа основных фондов (в процентах) распределена близко к


нормальному распределению, а доля экспорта в страны дальнего зарубежья в
ВРП распределена от 0 до 1 и большая часть наблюдений распределена около
0.

График 2. Стоимость основных фондов в ВРП и количество преступле-


ний.

График 3. Работники с высшим образованием.

27
На графиках 2 и 3 представлены важные переменные, которые распре-
делены близко к нормальному распределению. С помощью графиков, пред-
ставленных выше определилось, какие переменные стоит логарифмировать, а
какие достаточно взять в произвольном виде. На основе собранных данных
была построена и оценена динамическая модель. Была использована модель
частичного приспособления, в которой спрос на ПИИ определялась как:

𝑦𝑖𝑡∗ = 𝑋𝑖𝑡′ 𝛽 + 𝜀𝑖𝑡

Где 𝑦𝑖𝑡∗ - ненаблюдаемый спрос, 𝑋𝑖𝑡′ 𝛽 – набор факторов, влияющих на


приток ПИИ, 𝜀𝑖𝑡 − случайная ошибка. Данную модель ранее использовали
Киношито и Кампос (Kinoshita, Campos, 2003), а также Кванг и Ченг (Cheng,
Kwan, 2000), при этом гипотеза о приспособлении доли ПИИ в ВРП к нена-
блюдаемому спросу (потенциальному отношению показателя доли ПИИ в
ВРП) будет сформулирована следующим образом:

𝑦𝑖𝑡 − 𝑦𝑖𝑡−1 = (1 − 𝛿)(𝑦𝑖𝑡∗ − 𝑦𝑖𝑡−1 )

Тогда получим следующее выражение:

𝑦𝑖𝑡 = 𝛿 ∗ 𝑦𝑖𝑡−1 + (1 − 𝛿) ∗ 𝑥𝑖𝑡′ 𝛽 + (1 − 𝛿) ∗ 𝜀𝑖𝑡

𝑦𝑖𝑡 = 𝛾 ∗ 𝑦𝑖𝑡−1 + 𝑥𝑖𝑡′ 𝛼 + 𝑢𝑖𝑡

Затем будет получена 𝛾, которая будет равна 𝛿. Отсюда найдя 𝛿 полу-


чим векторы для всех факторов и, следовательно, вектор для ненаблюдаемого
спроса. Найдя ненаблюдаемый спрос, станет возможным получить величину
28
разницы 𝑦𝑖𝑡∗ − 𝑦𝑖𝑡 , которую можно будет трактовать как неудовлетворенный
спрос.

В модели уместен метод Ареллано-Бонда (АБ) с инструментальными пе-


ременными. Метод использует лагированные переменные на 2 периода или
более, при чем эта переменная может быть инструментом для разности лагов
зависимой переменной первого порядка. Так происходит из-за того, что лаги-
рованная переменная коррелирует с зависимой переменной и не коррелирует
с ошибкой. Отсюда следует моментное тождество, в котором выполняется ра-
венство нулю математического ожидания произведения лага первой разности
зависимой переменной и первой разности. С помощью проведения тестов Сар-
гана и Ареллано-Бонда будут отобраны адекватные модели для дальнейшего
анализа. Тест Саргана тестирует релевантность ОММ-инструментом
(Arellano, Bond, 1991), тесты Ареллано-Бонда выявляют наличие автокоррели-
рованности ошибки в уравнении динамической модели. Присутствие автокор-
реляции 1-го порядка для уравнений в разностях и отсутствие автокорреляции
2-го порядка говорит об изначальной некоррелированности ошибки модели.

Модели, оцененные методом Ареллано-Бонда, будут сравниваться со


вторым методом оценки динамических моделей: методом Бланделла-Бонда
(ББ). Метод основывается на оценивании системы уравнений, и при этом пер-
вые разности являются инструментами для уравнения, записанного для уров-
ней переменных, а лаги переменных в уровнях — инструменты для первых
разностей. Этот метод является лучше, чем предыдущий по мнению авторов,
так как он показывает более адекватные результаты для малых выборок и поз-
воляет получать несмещенные оценки (Blundell, Bond, 1998). Качество модели
также будет проверяться с помощью вышеописанных двух тестов Саргана и
Ареллано-Бонда.

29
Эмпирическая часть.
В работе было апробировано три теоретические модели: модель Пор-
тера, модель Теша и модель OLI Даннинга. Так как большая часть моделей
была разработана для ТНК, была предпринята попытка выяснить их пригод-
ность для моделирования на региональном уровне. Данные предварительно
были очищены, проверены на наличие основных недочетов. Выборка является
неоднородной, наблюдений малое количество, также есть вероятность эндо-
генного влияния, поэтому были использованы поправки на робастность, ма-
ленькую выборку, эндогенность некоторых переменных и анализ проводился
с помощью двушагового обобщенного метода моментов с целью получения
эффективных и состоятельных оценок.

В таблице 4 представлены результаты для модели Теша. Спецификация


ab (Ареллано-Бонда) и bb (Бланделла-Бонда) была сделана с участием в мо-
дели переменных с логарифмами, ab1 и bb1- без логарифмических перемен-
ных. Лог линейная модель также будет использована в работе с целью сравне-
ния итоговых результатов по нескольким спецификациям.

30
------------------------------------------------------------------
Variable | tesh_bb tesh_bb1 tesh_ab tesh_ab1
-------------+----------------------------------------------------
L1.lfdi | -0.1783*** -0.3600***
fond | 0.2015** 0.0067* 0.0968 0.0482***
leksp_sng | 0.0872*** 0.0928
limp_sng | -0.0127 -0.1093
lvybrosy | -1.6630*** -1.1375***
lplotnostd~g | -1.1586*** -0.3419
lmarket_kv~y | -1.9058*** -2.2559***
ind_prod_t~y | 0.0986*** 0.0029*** 0.0639*** 0.0016***
bezr_ruch | -30.6494*** -0.1020 -16.9939*** -0.0578
workers_vobr | -74.6641*** -0.0228 30.1060* -1.3244***
leksp_coun~y | 0.0391 -0.3471***
limp_country | 0.4980*** 0.3020**
lraschod_s~y | -2.6975*** 0.9887
prest | 98.5770*** 4.3677*** 44.0644 0.1737
lnauka | 0.6133*** -0.6058***
indeks_pro~v | -0.0029 0.0014*** -0.0037 0.0002**
ind_dob_is~p | 0.0003 -0.0001 -0.0018 -0.0001
ind_potreb~e | -0.1961*** -0.0026*** -0.0181 0.0007
|
L1.fdi | 0.2392*** -0.6595***
eksp_country | 0.1206*** -0.0472***
imp_country | -0.0529*** -0.0042
eksp_sng | -0.3683*** -0.2128***
imp_sng | 0.2572*** 0.2438***
vybrosy | -0.0001*** 0.0000
plotnostdo~g | -0.0001*** -0.0001**
market_kva~y | -0.0003*** 0.0004**
raschod_sr~y | 168.8670*** -1.5e+03***
nauka | 2.7111*** -1.0833
_cons | 8.5478*** -0.2097*** 13.2399 -0.1834*
_________________________________________________________________
Wald chi2 5778.87 13563.50 510.03 822.11
Prob > chi2 0.0000 0.0000 0.0000 0.0000
Sargan chi2 59.30966 64.7554 51.77215 42.84577
Prob > chi2 0.5734 0.3470 0.1208 0.3501
Arellano-Bond 1 -1.8809 -2.0942 -1.7926 -.91343
0.0600 0.0362 0.0730 0.3610
2 -1.587 .75357 -2.6249 -1.4585
0.1125 0.4511 0.0087 0.1447
------------------------------------------------------------------
legend: * p<.1; ** p<.05; *** p<.01

Таблица 4. Модель Теша.

Стоит отметить, что для модели Ареллано-Бонда переменных без


логарифма тест на Автокорреляцию показывает отсутствие автокорреляции
первого и второго порядка, а модель Ареллано-Бонда с лог линейной специ-
фикацией напротив показывает наличие автокорреляции не только первого, но
и второго порядка на любом адекватном уровне значимости (подчеркнутые
волнистой линией значения в таблицах), следовательно, модели не адекватны
и для дальнейшего анализа использованы не будут. Остальные две специфи-
кации модели адекватны, о чем говорит тест Саргана. Гипотеза о валидности
инструментов отвергается, о чем говорит значения статистик 0.5734, 0.3470

31
соответственно для двух моделей. Аналогично тест Ареллана-Бонда на 10%-м
уровне значимости подтверждает наличие автокорреляции 1-го порядка, и от-
вергает наличие автокорреляции 2-го порядка, что свидетельствует об адек-
ватности заданных моделей.

Стоит отметить, что для моделей с логарифмированными перемен-


ными лаг первого порядка показывает отрицательную зависимость, тогда как
для модели Бланделла-Бонда без лог линейных переменных эта зависимость
оказывается положительной. Похожая ситуация различия оказывается для им-
порта из стран дальнего зарубежья. В модели без логарифмов наблюдается от-
рицательное влияние, тогда как в другой — положительное. Тот же эффект
наблюдается в случае экспорта в страны СНГ. Также имеются различия в
направлениях зависимостей и для других переменных. Так, экспорт в страны
дальнего зарубежья в обоих случаях оказывает положительное влияние. Им-
порт из стран СНГ значим лишь для второй модели и оказывает положитель-
ное влияние. Доля безработных в общей численности населения оказывает от-
рицательное влияние на приток ПИИ в первом случае и незначима во втором.
Это означает, что чем больше безработных в стране, тем меньшей стабильно-
стью характеризуется ее экономика, тем меньше зарубежных инвесторов же-
лают вкладывать свои средства.

Выбросы и плотность дорог также оказывают отрицательное влия-


ние на приток ПИИ, так как являются отрицательными экстерналиями и от-
талкивают иностранных инвесторов. Прирост цен на первичном рынке жилья
отрицательно сказывается на привлечении ПИИ, так как также сигнализирует
о нестабильности экономики, росте цен и инфляции. Индекс цен на продоволь-
ственные товары положительно влияет на ПИИ, так как с увеличением цен на
конечный продукт растет привлекательность для размещения производств на
данном рынке. Количество работников с высшим образованием отрицательно
сказывается на привлечении ПИИ, так как большое количество высокообразо-
ванных кадров приводит к удорожанию рабочей силы и при этом к разработке
32
высокотехнологичных ноу-хау без привлечения заграничной помощи и, сле-
довательно, приток ПИИ снижается.

Доля средних расходов в ВРП влияет отрицательно в обоих слу-


чаях. Стоимость основных фондов как доля от ВРП оказывается значимым для
обоих моделей и оказывает положительное влияние. Уровень преступности
положительно влияет на ПИИ, что может двояко трактоваться. В одном случае
это может быть вызвано увеличением раскрываемости преступлений, а с дру-
гой стороны улучшением борьбы с преступностью. Затраты на науку в случае
моделей ББ оказывают положительное влияние.

Мощность электростанций оказывала отрицательное влияние, но в


связи с сильной мультиколлинеарностью этим показателем пришлось прене-
бречь. Индекс промышленного производства значим только в случае второй
модели и оказывает положительное влияние. Показатель, характеризующий
индекс потребительских цен, также значим в случаях представленных моделей
и оказывает отрицательное влияние на долю ПИИ в ВРП.

Учет эндогенности ряда регрессоров, робастных стандартных оши-


бок, поправок на маленький размер выборки, а также использование двухша-
говой процедуры ОММ с оптимальной весовой матрицей позволяют рассчи-
тывать на то, что оценки коэффициентов будут состоятельны, а выводы об их
статистической значимости справедливы.

Далее представлена таблица с результатами эконометрического


оценивания для модели Даннинга.

Таблица 5. Модель Даннинга OLI.

33
------------------------------------------------------------------
Variable | oli_bb oli_bb1 oli_ab oli_ab1
-------------+----------------------------------------------------
L1.lfdi | -0.0616 -0.1767***
fond | 0.1281 0.0053 0.1399 0.0325***
leksp_coun~y | -0.0201 -0.0390
bezr_ruch | -23.0393*** -0.2479 -19.1066*** -0.2608
lplotnostd~g | -0.4014* -0.1506
ind_dob_is~p | 0.0017 -0.0001 0.0022 -0.0001
moschnost_~o | 0.0398 -0.0015 0.0247 0.0004
stepen_izn~a | -0.0273** -0.0005 -0.0157 0.0008
lmarket_kv~y | -0.7416 -1.0928
workers_vobr | -37.4775*** -0.2947 -27.1356 -0.8389
prest | -0.6205 2.0618*** -16.8234 -0.2840
lnauka | 0.4651** -0.2467
|
L1.fdi | 0.3147*** -0.5203***
plotnostdo~g | 0.0001*** 0.0000
market_kva~y | -0.0005 0.0000
eksp_country | 0.0725*** -0.0115
nauka | 2.9665*** -0.6723
_cons | 6.6556 0.0313 1.9344 -0.0204
__________________________________________________________________
Wald chi2 255.69 622.34 66.38 200.65
Prob > chi2 0.0000 0.0000 0.0000 0.0000
Sargan chi2 44.8554 26.78544 32.02375 19.37056
Prob > chi2 0.1229 0.4207 0.0997 0.3077
Arellano-Bond 1 -1.9169 -2.2282 -1.9666 -2.1957
0.0552 0.0259 0.0492 0.0281
2 .34264 1.3101 -.16067 -.01777
0.7319 0.1902 0.8724 0.9858
------------------------------------------------------------------
legend: * p<.1; ** p<.05; *** p<.01

Модель 3 оказывается не значимой согласно тесту Саргана на 5% и


1% уровне значимости (подчеркнутое значение), поэтому данная специфика-
ция проанализирована не будет. Так как в первой спецификации лаг оказыва-
ется не значимым на любом адекватном уровне значимости — эту специфика-
цию анализировать также не представляется возможным. Следовательно, мо-
дели с лог линейной спецификацией оказались не адекватными для в случае
теоретической модели Даннинга, поэтому далее будут проанализированы
только модели АБ и ББ в линейной функциональной спецификации.
В обеих моделях лаг оказывается значимым, и влияет в случае ББ— по-
ложительно направлено, а в случае АБ — отрицательно. Стоимость положи-
тельных фондов как доля в ВРП положительно влияет только в случае модели
АБ. Экспорт в страны дальнего зарубежья также положительно влияет и зна-
чим только для модели ББ. Количество безработных не значимо в обоих слу-

34
чаях. Плотность дорог связано положительно, но значимо только для ББ и ко-
эффициент близок к 0. Мощность электростанций не значима для любого адек-
ватного уровня значимости.

Количество преступлений положительно сказывается на притоке ПИИ и


значима только для модели ББ. Этот эффект может быть объяснен так же, как
и в первом случае. Уровень научных разработок положительно сказывается на
притоке ПИИ, как и в предыдущем случае для модели ББ.

В следующей таблице представлены результаты модели Портера. Мо-


дель является наиболее узкой из всех предыдущих. В данной модели не адек-
ватными, согласно тесту Саргана, оказываются три спецификации. Тест Сар-
гана проверяет нулевую гипотезу о валидности инструментов и подчеркнутые
значения свидетельствуют о невозможности отвергнуть нулевую гипотезу на
5-ти процентном уровне значимости. Следовательно, анализировать в работе
мы будем только спецификацию АБ без логарифмов (второй столбец).

Таблица 6. Модель Портера.

35
------------------------------------------------------------------
Variable | port_ab port_ab1 port_bb port_bb1
-------------+----------------------------------------------------
L1.lfdi | -0.2496** 0.0104
leksp_coun~y | -0.0223 0.1021
workers_st~t | -0.0285 -0.0008 0.0567 -0.0100***
ind_dob_is~p | -0.0022 -0.0001 -0.0083** 0.0000
indeks_pro~v | 0.0017 0.0004** 0.0063 0.0017***
lplotnostd~g | -0.1745 0.3304
bezr_ruch | -9.2769 -0.0162* -25.3898*** -0.2374
workers_vobr | -22.1735 -0.9382* -30.6003** -1.3334***
fond | 0.2824 0.0292*** 0.2176 0.0204***
prest | 40.6635 -0.4730 77.5561** 0.2739
lnauka | -0.4005 0.4208
|
L1.fdi | -0.3991*** 0.1950***
plotnostdo~g | 0.0000 0.0000
eksp_country | -0.0252 0.1151***
nauka | -1.5129 0.1924
_cons | -6.1483 0.0035 -3.0112 -0.0823*
Wald chi2 23.30 205.68 67.40 321.08
Prob > chi2 0.0160 0.0000 0.0000 0.0000
Sargan chi2 25.76408 20.30176 39.84426 42.58276
Prob > chi2 0.01789 0.2591 0.0204 0.0014
Arellano-Bond 1 -1.8257 -2.2611 -1.888 -2.1069
0.0679 0.0238 0.0590 0.0351
2 -.35946 .16565 .66175 1.2089
0.7193 0.8684 0.5081 0.2267
------------------------------------------------------------------
legend: * p<.1; ** p<.05; *** p<.01

Для модели значимой оказывается переменная индекс цен на продо-


вольственные товары, причем этот показатель оказывает положительное вли-
яние. В спецификации АБ безработица отрицательно влияет на приток ПИИ,
что вполне логично, так как чем больше безработных в стране, тем больше это
свидетельствует о нестабильности экономики и отталкивает инвесторов.
Также отрицательное влияние оказывает количество работников с высшим об-
разованием, что подтверждает предыдущие исследования. Доля основных
фондов в ВРП является значимым и положительно влияет на приток ПИИ. Лаг,
как и в предыдущих двух моделях отрицательный в случае АБ.
В таблице 7 представлены описательные статистики разности
между ненаблюдаемым и фактическим значениями доли ПИИ в ВРП региона
для каждой из оцененных моделей.
Таблица 7. Разница между фактической долей ПИИ в ВРП и ненаблюдаемой
потенциальной долей ПИИ в ВРП.

36
Variable | Mean Std. Dev. Min Max
-------------+--------------------------------------------------------
delta_~t_ab1 | -.0039041 .0974643 -.1364186 .8045501
delta_~i_ab1 | .0061202 .0946196 -.1438755 .8070851
delta_~i_bb1 | .0252338 .0905205 -.2019236 .8046743
delta_~h_bb1 | .0204866 .1060672 -.1336717 .7507512
delta_fdi~bb | .5954088 2.10506 -8.318575 8.283463

Для моделей без логарифмов этот показатель по модулю распреде-


лен от 0 до 1, что вполне естественно. Однако, для модели с логарифмом этот
показатель оказывается по модулю распределен от 0 до 8. Эта функциональная
спецификация оказывается очень чувствительной к нетипичным наблюдениям
и неоднородности регионов, о чем свидетельствует проведенный выше срав-
нительный анализ.

Так как разница бралась между фактической долей ПИИ в ВРП и


потенциально запрашиваемой регионами долей ПИИ в ВРП для случая, если
разница окажется больше 0, следовательно, неудовлетворенный спрос (раз-
ница между фактической и потенциальной долей) на иностранные инвестиции
достаточен. То есть фактическая доля превышает потенциально запрашивае-
мую и регионы не нуждаются в дополнительном инвестировании. В случае,
если разница между фактической и потенциально необходимой долей оказы-
вается меньше 0, следовательно, субъект нуждается в дополнительном инве-
стировании.

Далее была предпринята попытка кластеризовать полученные ре-


зультаты с целью предоставления 4 групп субъектов, остро нуждающихся в
дополнительных иностранных инвестициях, умеренно нуждающихся и уме-
ренно удовлетворенных инвестициями, а также достаточно насыщенных ин-
вестициями регионов.

37
Визуализация результатов:
В ходе работы были построены и отобраны 5 спецификаций по
трем теоретическим моделям. Для наглядного представления результатов бу-
дет предпринято несколько итераций. Во-первых, для каждой спецификации
будет проведена кластеризация по медианному значению дельты, усреднен-
ной для каждого региона по времени. Кластеризация будет происходить путем
деления субъектов согласно полученной разнице между фактической и потен-
циальной долей ПИИ в ВРП. С помощью кластеризации будет получено 4
группы субъектов:

1. Показатель разницы между фактической и потенциальной долей ПИИ в


ВРП меньше 0, то есть субъекты нуждаются в дополнительном инвести-
ровании (Приложение 4), но меньше, чем вторая группа.
2. Показатель разницы между фактической и потенциальной долей ПИИ в
ВРП также меньше 0, но это разница больше, чем в первой группе и,
следовательно, группа отличается более значительной нехваткой ПИИ
(Приложение 5).
3. Показатель разницы между фактической и потенциальной долей ПИИ в
ВРП больше 0, то есть субъекты не нуждаются в дополнительных объе-
мах иностранных инвестиций, однако эта разница не значительна (При-
ложение 2).
4. Показатель разницы между фактической и потенциальной долей ПИИ в
ВРП больше 0, но эта разница значительно больше, чем для группы 3.
Таким образом, к группе 4 относятся субъекты с более стабильным ин-
вестированием, и субъекты н нуждающиеся в дополнительном привле-
чении иностранных капиталов (Приложение 3).

Таким образом для каждой из 5-ти спецификаций были получены 4


группы субъектов согласно представленному выше критерию. Стоит отме-
тить, что большая часть Центрального округа, а также Уральский округ и

38
Дальневосточный округ преимущественно относится к третьей группе регио-
нов. Заметим, что результаты моделей без логарифмической спецификации
очень похожи, за исключением модели Портера. Это может говорить о том,
что модель Портера не в полной мере может характеризовать природу ПИИ,
тогда как остальные две модели оказываются более адекватными, поскольку
характеризуются большим количеством значимых детерминант.

В приложении 3 представлена таблица с лидерами среди регионов,


у которых наблюдается положительное значение разницы между фактическим
и потенциальным спросом на ПИИ. Хотелось бы отметить результаты оцени-
вания модели Даннинга методом Ареллано-Бонда. Данная спецификация от-
несла к этому кластеру лидеров Российского рынка, таких как Москву и
Санкт-Петербург. Уральский и Центральный округа (оставшиеся регионы, ко-
торые будут подробно описаны ниже) также вошли в этот кластер и образо-
вали ядро кластера (регионы, которые устойчивы ко всем моделям относятся
к одному и тому же кластеру вне зависимости от спецификации). Стоит отме-
тить, что субъекты с сельскохозяйственной направленностью, такие как Ро-
стовская область, Краснодарский край, также насыщены инвестициями и от-
носятся к 4 группе субъектов.

При этом в приложении 5 мы видим, что другие модели и специфи-


кации Теша и Даннинга показывают напротив сильный недостаток инвести-
ций для таких сельскохозяйственных регионов как Орловская область, Даге-
стан, Приморский край, и помещают данные субъекты во вторую группу не-
удовлетворенных инвестиций. Таким образом, для таких субъектов как
Москва и Санкт-Петербург, вмещающих большое число инвестиций, модели
не показывают однозначных результатов. В то же время, Брянская, Курская и
Белгородская области относятся в подавляющем большинстве к первому кла-
стеру и являются ядром данного кластера.

Важным является наличие субъектов, для которых все модели по-


казывают приблизительно одинаковый результат. Так, в случае Пермского
39
края, Челябинской области, Республики Саха, Вологодской области и Тюмен-
ской области (без автономных округов) все модели, за исключением Портера
показывают единогласный результат и относят к средне удовлетворённым ин-
вестициями (первые три) и к высоко-удовлетворенным (последние два). Мо-
дель Портера при этом показывает обратный результат, однако также относит
эти субъекты к удовлетворенным инвестициями. Республика Хакассия отно-
сится к группе неудовлетворенных инвестициями практически единогласно
всеми моделями, кроме модели Портера. Поэтому, если бы стояла задача фор-
мулировки рекомендаций по экономической политике регионов, можно было
бы рекомендовать Правительству данного субъекта обратить внимание на не-
достаточный приток инвестиций и повышать привлекательность региона.

Интерес вызывают принципиальные различия в показателях. Так,


модели Теша и модель Даннинга (спецификация ББ) относят Нижегородскую
и Ульяновскую области к группе неудовлетворенных инвестициями. При этом
остальные спецификации говорят о слабой удовлетворенности. Карачаево-
Черкесская и Кабардино-Балкарская республики по всем моделям относятся к
субъектам, нуждающимся в инвестициях. Но согласно модели Даннинга со
спецификацией ББ результат обратный. Республика Бурятия по всем кроме лог
линейной спецификации показывает яркое наличие неудовлетворенного
спроса, что позволяет сделать вывод о непривлекательности региона. Респуб-
лика Адыгея, Курганская область, Республика Алтай, Хакасия и Камчатский
край также относятся к группе неудовлетворенных субъектов по 4 специфика-
циям.

Слабой неудовлетворенностью характеризуются Брянская, Ива-


новская, Тамбовская, Чувашская, Кировская области и Приморский край. При-
чем все линейные модели относят эту группу единогласно ко второй группе
неудовлетворенных. Тверская область, Кабардино-Балкарская Республика,
Северная Осетия, Татарстан и Пензенская область относятся по 4-м специфи-

40
кация к субъектам с наличием неудовлетворенного спроса, но при этом еди-
ногласия в кластерах не наблюдается. Однако, это не является препятствием
для отнесения этих регионов к субъектам с неудовлетворенным спросом.

Вологодская область, Тюменская область без автономных округов


и Красноярский край по четырем моделям единогласно относят ко второму
кластеру удовлетворенных инвестициями субъектов. Это говорит о разумно
проводимой политике и наличию крупных иностранных предприятий в этих
субъектах. Костромская область, Ленинградская, Магаданская, Сахалинская
области и Республика Тыва по всем моделям кроме Теша относят ко второй
группе удовлетворенного спроса.

К первой группе удовлетворенных инвестициями единогласно по


четырем спецификациям относят Тульскую, Архангельскую, Волгоградскую,
Омскую, Иркутскую области и Республику Удмуртию. Это означает, что эти
регионы богаты инвестициями и не ущемлены вниманием со стороны ино-
странных инвесторов.

Общей тенденцией является схожесть результатов по моделям Дан-


нинга и Теша (не лог линейная спецификация) и в сравнении с ними отличные
результаты по моделям Портера и лог линейной спецификацией Теша. Как уже
отмечалось ранее, возможно, что лог линейные спецификации в целом не дают
значимого результата в случае применения данной методики.

Отдельный исследовательский интерес представляет анализ дина-


мики показателя разности между фактической и потенциальной долей ПИИ в
ВРП в динамике за 4 года с 2012-2015 года. На графиках 1, 2 и 3 представлены
графики Московской области, Москвы и Санкт-Петербурга, которые невоз-
можно было однозначно отнести к какому-либо кластеру. Глядя на графики
становится понятно, что это происходило из-за существенного изменения
этого показателя во времени.

41
График 1.Неудвлетворенный спрос-Московская область.

График 2. Неудовлетворенный спрос-Москва.

На графике 1 представлена динамика по 5-ти спецификациям. Как


видно по графику, динамика по четырем из них единогласна, и изменения про-
исходят со направлено. Что нельзя сказать о графике 2, где различные модели
отражают различные движения. На графике динамика также сильно различна,
именно поэтому единства результатов кластеризации по этим субъектам до-
биться не удалось.

42
График 3. Неудовлетворенный спрос-Санкт-Петербург.

График 4. Неудовлетворённый спрос-Белгородская область.

На графике 4 представлена динамика неудовлетворенного спроса


для Белгородской области. Отлично видно, насколько едина динамика 4-х мо-
делей. Ярко заметен рост инвестиций в 2013 году и спад после кризиса 2014
года. Можно заметить, что данные модели очень чувствительны к выбросам и
поэтому плохо описывают субъекты, которые сильно выделяются из общей
динамики, тогда как отлично отражают картину динамики для остальных
субъектов.

43
Краснодарский край, представленный на графике 5, относится к од-
ной из сельскохозяйственных зон страны и поэтому представлен в качестве
субъекта, основная деятельность которого является приоритетной после вве-
дения санкций. Тренд 2014-2015 отличен от предыдущих графиков и является
растущим, так как инвестиционная деятельность активизировалась в 2015
году, перераспределившись при этом на другие иностранные государства.

График 5. Неудовлетворенный спрос-Краснодарский край.

44
Заключение:
В работе был проведен сравнительный анализ применимости трех
теоретических подходов (Теша, Даннинга и Портера) для регрессионной
оценки в рамках модели частичного приспособления фактического и ненаблю-
даемого спроса доли ПИИ в ВРП для субъектов РФ. По результатам регресси-
онного анализа динамических моделей были получены потенциальные пока-
затели доли ненаблюдаемого спроса на ПИИ в ВРП и субъекты РФ были раз-
делены на 4 кластера для проведения сравнительного анализа стабильности
результатов моделирования и выявления наиболее качественной специфика-
ции.

Анализ показал, что лог-линейная функциональная спецификация


плохо аппроксимирует эмпирические данные практически для всех теоретиче-
ских моделей. Оценки, полученные методом ББ являются более эффектив-
ными, и показывают более состоятельные конечные результаты. Представлен-
ные модели плохо описывают такие крупные субъекты как Москва и Санкт-
Петербург, что возможно связанно со спецификой данных. Однако, при этом,
наблюдается единодушие в определении субъектов в определенные кластеры
для ряда других регионов.

При этом, для каждого кластера были выявлены субъекты, которые


являются его ядром. То есть был представлен ряд субъектов, который вне за-
висимости от спецификации относился к данному кластеру. Стоит отметить,
что для субъектов, относящихся к определенным отраслевым принадлежно-
стям (то есть, субъекты, являющиеся лидерами в определенном секторе про-
изводства) наблюдались более устойчивые результаты.

Общей тенденцией являлась схожесть результатов по моделям Дан-


нинга и Теша (не лог линейная спецификация. Лог линейная спецификация
Теша и модель Портера показывали отличные результаты. Как уже отмеча-
лось ранее, возможно, что лог линейные спецификации в целом не дают зна-
чимого результата в случае применения данной методики.
45
Стоит отметить, что исследование является новаторским и полу-
ченные результаты не представляется возможным сравнить с предыдущими
исследованиями. Похожее исследование было сделано Киношитой, однако
были использованы данные макроэкономической статистики стран. К данным
мезо-уровня такая техника анализа применяется впервые. Из-за сильной неод-
нородности динамики поступлений ПИИ в российские регионы и крайней не-
однородности экономической ситуации в самих регионах оценки динамиче-
ских моделей оказываются довольно неустойчивыми. В случае продолжения
дальнейших исследований разбиение регионов на кластеры, видимо, должно
предварять этап непосредственного регрессионного анализа, а анализ должен
проводиться для каждого полученного относительно однородного кластера
отдельно. Это даст возможность учета разнонаправленности коэффициентов
наклона в регрессиях для разных кластеров и повысит устойчивость оценок.
Но все это можно будет осуществить только при условии использовании па-
нели регионов с более длинными временными рядами, нежели те, что рассмот-
рены в данном исследовании.

При этом, на основе анализа, возможным оказывается предоставле-


ния ряда рекомендаций для Правительств субъектов с целью удержания
уровня ПИИ или же увеличения региональной привлекательности. Анализ
позволил выявить список субъектов, нуждающихся в привлечении ПИИ для
увеличения темпов экономического роста региона.

46
Список литературы:
• Акимкина Д.А. – «Прямые иностранные инвестиции в промышленной
политике». – Инветиционная деятельность. 3(306). 2013.
• Биргулиева Д.Ф. – «Прямые иностранные инвестиции как фактор
экономического роста в условиях инновационного развития России». –
Автореферат. 2009.
• Бородин К.Г. - «Теории международной торговли и торговая
политика». - Российский внешнеэкономический вестник. 2006. С.9-17
• Гумерова Г.И. – «Факторы, влияющие на приток инвестиций в
экономику региона». – Инновации и инвестиции. 9(66).2008
• Захаров, Голикова. – «Иностранные инвестиции в экономике России».
– 2012.
• Каримова Г.А. – «Теоретические аспекты прямых иностранных
инвестиций в условиях стабильного роста переходной экономики». -
Креативная экономика. 2015.Т.9. № 4. С. 509-518

• Копыток В., Ратникова Т.А. – «Влияние политики инфляционного


таргетирования на динамику прямых иностранных инвестиций». -
Экономический журнал ВШЭ. 2017. Т. 21. № 1. С. 32–65.
• Лившина Е.Я. Теории прямых иностранных инвестиций. Вестник
ННГУ, 2001,1(3), 110-113.
• Мировая экономика: учебник / ред. Б.М. Смитиенко. – М.: Юрайт,
2009. – 581 с.
• Решетова, Шилков. – «Совершенствования политики привлечения
ПИИ…». – 2015.
• Рогатнев Н.С. - «Эффекты прямых иностранных инвестиций в
развивающихся странах: типология, моделирование, регулирование». –
Диссертация.2015.
• Федорова Е.А. – «Факторы, влияющие на приток иностранных
инвестиций в регионы». - Региональная экономика: теория и практика.
2014.В.№43. С.51-61.

• Arellano M., Bond S. Some tests of specification for panel data: Monte
Carlo evidence and an application to employment equations //The review of
economic studies. – 1991. – Т. 58. – №. 2. – С. 277-297.

47
• Billington N. The location of foreign direct investment: an empirical analy-
sis //Applied economics. – 1999. – Т. 31. – №. 1. – С. 65-76.
• Blundell R., Bond S. Initial conditions and moment restrictions in dynamic
panel data models //Journal of econometrics. – 1998. – Т. 87. – №. 1. – С.
115-143.
• Cheng L., Kwan Y. K. The location of foreign direct investment in Chinese
regions: further analysis of labor quality //The Role of Foreign Direct Invest-
ment in East Asian Economic Development, NBER-EASE Volume 9. – Uni-
versity of Chicago Press, 2000. – С. 213-238.
• Cheng L. K., Kwan Y. K. What are the determinants of the location of for-
eign direct investment? The Chinese experience //Journal of international
economics. – 2000. – Т. 51. – №. 2. – С. 379-400.
• Dunning J. H. Explaining international production. – Collins Educational,
1988.
• Hymer S. H. The international operations of national firms: A study of direct
foreign investment. – 1976.
• Kinoshita Y., Campos N. F. Why does FDI go where it goes? New evidence
from the transition economies. – 2003.
• Kojima K., Ozawa T. Micro-and macro-economic models of direct foreign
investment: toward a synthesis //Hitotsubashi Journal of Economics. – 1984.
– С. 1-20.
• Liu K., Daly K., Varua M. E. Regional determinants of foreign direct invest-
ment in manufacturing industry //International Journal of Economics and Fi-
nance. – 2012. – Т. 4. – №. 12. – С. 178.
• Lucas R. E. B. On the determinants of direct foreign investment: evidence
from East and Southeast Asia //World development. – 1993. – Т. 21. – №. 3.
– С. 391-406.
• Mudambi R., Mudambi S. M. Multinational enterprise knowledge flows:
The effect of government inward investment policy //MIR: Management In-
ternational Review. – 2005. – С. 155-178.
48
• Porter M. E. Competitive advantage: creating and sustaining superior
performance. 1985 //New York: FreePress. – 1985.
• Vernon R. International investment and international trade in the product
cycle //The quarterly journal of economics. – 1966. – С. 190-207.
• Wang Z. Q., Swain N. Determinants of Inflow of Foreign Direct Investment
in Hungary and China: Time‐Series Approach //Journal of International
Development. – 1997. – Т. 9. – №. 5. – С. 695-726.
• Zhang X., Po Yuk H. Determinants of Hong Kong manufacturing
investment in China: a survey //Marketing Intelligence & Planning. – 1998.
– Т. 16. – №. 4. – С. 260-267.

49
Приложение 1. Описательные статистики показателей, используемых в
исследовании.
Variable | Mean Std. Dev. Min Max | Observations
-----------------+--------------------------------------------+----------------
number~k overall | 2430.894 8170.573 23 76588 | N = 473
between | 8106.431 23 75800 | n = 97
within | 50.90131 2058.894 3218.894 | T-bar = 4.87629
| |
labor_~e overall | 68.4723 3.661193 56.5 83.9 | N = 473
between | 3.511787 59.48 82.86 | n = 97
within | 1.030127 61.6123 73.6523 | T-bar = 4.87629
| |
unempl~t overall | 6.931501 4.834165 .8 48.1 | N = 473
between | 4.613003 1.44 39.96 | n = 97
within | 1.321632 -3.228499 17.7115 | T-bar = 4.87629
| |
worker~t overall | 25.3072 85.0042 .3 921 | N = 472
between | 83.72453 .3 789.32 | n = 97
within | 9.500911 -77.9128 156.9872 | T-bar = 4.86598
| |
nasele~t overall | 59.19958 2.450143 53.1 70.1 | N = 476
between | 2.135935 55.34 68.42 | n = 97
within | 1.250772 56.71958 61.61958 | T-bar = 4.90722
| |
vybrosy overall | 418.8334 909.1562 .1 6017 | N = 476
between | 900.2168 .34 5802 | n = 97
within | 103.2897 -327.1666 1232.833 | T-bar = 4.90722
| |
stepen~a overall | 44.93686 9.137631 22.4 71.7 | N = 472
between | 9.030814 27.3 67.55 | n = 97
within | 2.597163 34.48686 55.43686 | T-bar = 4.86598
| |
n_pred~z overall | 155892 551539.4 1109 5043553 | N = 476
between | 548871.9 1130 4905201 | n = 97
within | 10626.14 94083.97 294244 | T-bar = 4.90722
| |
indeks~v overall | 104.0118 10.31965 0 154 | N = 474
between | 11.61643 0 125.6 | n = 97
within | 6.71307 80.07181 147.4918 | T-bar = 4.8866
| |
ind_do~p overall | 103.8766 19.03715 0 197.1 | N = 470
between | 15.10111 0 139.475 | n = 97
within | 13.59519 50.8966 169.0166 | T-bar = 4.84536
| |
moschn~o overall | 7.988137 26.45558 0 257.1 | N = 474
between | 26.25323 0 245.66 | n = 97
within | 1.261944 -4.371863 19.42814 | T-bar = 4.8866
| |
plotno~g overall | 232.9241 324.0898 .9 2453 | N = 474
between | 350.6256 .92 2294 | n = 97
within | 38.3247 -89.87595 403.9241 | T-bar = 4.8866
| |
gruzoo~t overall | 6504.502 26661.5 10 250054 | N = 476
between | 25172.3 25.2 240214.4 | n = 97
within | 8440.808 -35695.7 168631.3 | T-bar = 4.90722
| |
intenet overall | 87.76303 6.219841 64.4 100 | N = 476
between | 5.256116 76.48 98.82 | n = 97
within | 3.411252 73.08303 105.683 | T-bar = 4.90722
| |
norg_n~a overall | 118.4118 414.5202 1 4175 | N = 476
between | 411.7523 1.2 3726.4 | n = 97
within | 26.26409 -41.98824 567.0118 | T-bar = 4.90722
| |

50
ind_po~e overall | 108.8831 4.089504 103.1 142.5 | N = 472
between | 4.245087 106.34 135.05 | n = 97
within | 2.999604 101.3331 118.5631 | T-bar = 4.86598
| |
ind_pr~y overall | 109.9076 5.74285 100.1 152.9 | N = 472
between | 5.028932 107.28 141.8 | n = 97
within | 4.71167 96.70763 123.1076 | T-bar = 4.86598
| |
market~y overall | 103.9026 12.89992 0 145.7 | N = 454
between | 18.73324 0 114.7 | n = 95
within | 6.199619 78.92764 140.1026 | T-bar = 4.77895
| |
fdi overall | .0581645 .09576 0 .8260689 | N = 473
between | .0851128 .0003994 .5796015 | n = 97
within | .0433004 -.1868727 .3424458 | T = 4.87629
| |
eksp_c~y overall | .1643045 .1883389 0 1.277889 | N = 470
between | .1683148 .0000335 .813303 | n = 97
within | .0839873 -.4082011 .7513727 | T-bar = 4.84536
| |
imp_co~y overall | .1024522 .201986 0 2.780053 | N = 473
between | .1873131 .0002745 1.552814 | n = 97
within | .0736245 -.4822877 1.329691 | T = 4.87629
| |
eksp_sng overall | .0291281 .0269791 4.99e-06 .1455045 | N = 454
between | .0229714 .0000339 .0932977 | n = 96
within | .0143226 -.0422975 .103925 | T-bar = 4.72917
| |
imp_sng overall | .0489851 .6432403 0 13.84335 | N = 463
between | .2813773 0 2.775925 | n = 97
within | .5758456 -2.720933 11.11641 | T-bar = 4.7732
| |
fond overall | 2.598115 .7884388 .5195341 8.944729 | N = 469
between | 1.081261 .5195341 8.944729 | n = 97
within | .2172541 1.594963 3.623207 | T-bar = 4.83505
| |
kvartiry overall | 31.25626 107.2944 .0102 1201.669 | N = 476
between | 105.2315 .03144 978.8631 | n = 97
within | 18.31483 -160.7989 254.0621 | T-bar = 4.90722
| |
nauka overall | .0079969 .0092008 0 .0613348 | N = 472
between | .0090807 .0000605 .0530907 | n = 97
within | .0011525 .0016737 .016241 | T = 4.86598

dochod~a overall | .000117 .00017 5.49e-07 .001422 | N = 466


between | .0001693 5.62e-07 .0012454 | n = 94
within | .0000166 .0000257 .0002936 | T-bar = 4.95745
| |
rascho~y overall | .0000695 .0000751 3.99e-07 .0004393 | N = 466
between | .0000747 4.13e-07 .0003926 | n = 94
within | 8.01e-06 .54e-06 .0001184 | T-bar = 4.95745

number~1 overall | .5234693 .0385596 .3870968 .66 | N = 473


between | .0377059 .4010876 .6474337 | n = 97
within | .008055 .4777181 .5560386 | T-bar = 4.87629
| |
prest overall | .0160026 .0051762 .00248 .03203 | N = 476
between | .0049741 .002812 .029692 | n = 97
within | .0013971 .0120526 .0218806 | T-bar = 4.90722
| |
worker~e overall | 3385.801 4306.162 0 40322.58 | N = 473
between | 4073.145 0 30340.14 | n = 97
within | 1401.977 -9000.081 13368.24 | T-bar = 4.87629
| |
worker~r overall | .0347036 .0129199 0 .1106 | N = 473
between | .0116015 0 .07802 | n = 97
within | .0057557 .0177536 .0672836 | T-bar = 4.87629
| |
bezr_r~h overall | .059656 .0362367 .0074168 .3650329 | N = 473
between | .0349611 .0134921 .3052511 | n = 96
within | .0099541 -.015856 .1237805 | T-bar = 4.92708
51
Приложение 2
tesh_bb_up1 tesh_bb1_up1 oli_bb1_up1 oli_ab1_up1 port_ab1_up1
Республика
Самаpская Псковска Самаpская Вологодск
Саха
область я область область ая область
(Якутия) 0,0179688 0,0014698 0,0013351 0,0083366 0,1849657
Республика Каpачаев
Севеpная Ставpополь о- Свеpдловск
г. Москва
Осетия – ский кpай Чеpкесск ая область
Алания 0,064817 0,0052045 ая 0,0021384 0,0002596 0,233088
Республи
Республика Саpатовска ка Ростовская Сахалинск
Бурятия я область Ингушет область ая область
0,1005226 0,007822 ия 0,0021905 0,0014817 0,2753106
Тюменск
ая
Республи
область
Аpхангельс Кpаснодаpс ка Ульяновска
без
кая область кий кpай Моpдови я область
автономн
я
ых
0,181016 0,0079355 0,0032005 0,0046419 округов 0,5183697
Иркутская Алтайски Пеpмский
Бpянская область
0,2054963 область 0,0084954 й кpай 0,0108834 край 0,0155205
Ленингpадс Омская Иркутска Тюменская
кая область область я область область
0,2231452 0,0111047 0,0109509 0,0158801
Евpейская Республика Смоленск
Челябинска
автономная Башкоpтост ая
я область
область ан область
0,2812524 0,0120223 0,012542 0,0221085
Калинингpа Республи Республика
Республика
дская ка Саха
Маpий Эл
0,291918 область 0,0136318 Дагестан 0,0133585 (Якутия) 0,0236291
Республика Новосибиpс
Калмыкия кая область
0,3388515 Московская область
0,0137249 Калужская область
0,0138419 0,0260268
Кpаснодаpс Пеpмский Томская
кий кpай 0,4413725 край 0,0167191 Тульская область
0,0142223 область 0,0283993
Саpатовс
Чувашская Аpхангельс Нижегоpодс
кая
Республика кая область кая область
0,4583502 0,0178281 область 0,0147905 0,0325151
Сахалинска Волгогpадс Республи Новгоpодск
я область кая область ка Коми ая область
0,5517014 0,0179468 0,0158524 0,0406436
Республи
Ростовская Удмуpтская
ка
область Республика
Каpелия
0,5763625 0,0213128 0,0163151 Липецкая область
0,049404
Ямало-
Ненецк
ий
автоно
мный
Воpонежская область
0,6219654 Рязанская область
0,022204 округ 0,0166555 Московская область
0,0702393
Аpхангель Республи
Амуpская
ская ка Маpий
область
область 0,6542828 Тульская область
0,0237348 Эл 0,0168309 0,0737607
Волгогpа
Омская
г. Москва дская
область
0,704435 0,0256606 область 0,0174739
Чеченская
Республика
Ивановская область
0,7101957 0,0268016 Рязанская область
0,0192063
Астpахан
Пеpмский Республика
ская
край Коми
0,7729111 0,0389322 область 0,0209547

52
Республика Республика Ставpопо
Башкоpтост Саха льский
ан (Якутия) кpай
0,7736858 0,0401296 0,0216531
Яpославская
область 0,8797334 Калужская область
0,0571049 Орловская область
0,0223976
Ставpополь Челябинска Хабаpовс
ский кpай 0,9031342 я область 0,0693232 кий кpай 0,0229494
Аpханг
Забайкальск Республика
ельская
ий край Тыва
1,0156088 0,0810565 область 0,0257139
Оpенбуpг
Красноярск
ская
ий край
1,0353441 Липецкая область
0,083839 область 0,026378
Аpхангел
Республика Оpенбуpгск
ьская
Татаpстан ая область
1,0458227 0,0866501 область 0,0277005
Ненецк
ий
Республика Амуpская
автоно
Каpелия область
мный
1,1402705 0,0954663 округ 0,0288052
г. Санкт- Магаданска Челябинс
Петеpбуpг 1,1473252 я область 0,1130872 кая 0,0290846
Ханты-
Мансий
ский
Псковская Кемеpовска
автоно
область я область
мный
округ –
1,158143 0,1144579 Югра 0,029264
Евpейска
Новгоpодск Свеpдловск
я
ая область ая область
1,3193237 0,1302214 автономн 0,0304828

Ямало- Чеченска
Республика Ненецкий я
Коми автономн Республи
ый округ ка
1,430977 0,1423435 0,0369858
Свеpдлов
Ленингpадс
ская
кая область
Орловская область
1,6159272 0,1474531 область 0,0373073
Пеpмски
Курская область1,634599 Костромская область
0,1793666 й край 0,037409
Новгоpод
Сахалинска
ская
я область
Смоленская область
1,7696927 0,188803 область 0,0404598
Ханты-
Мансийск Республи
Челябинска ий ка
я область автономн Калмыки
ый округ я
– Югра
1,8801184 0,1912839 0,0411113
Удмуpтск
ая
Республи
ка 0,0420848
Республи
ка Саха
(Якутия) 0,0567414
Липецкая область
0,0667793
53
Приложение 3
tesh_bb_up2 tesh_bb1_up oli_bb1_up oli_ab1_up port_ab1_up
Ямало-
Ненецки
Астpаханс Республик
Вологодск й
кая а Саха
ая область автоном
область (Якутия)
ный
2,0257511 0,2571101 округ 0,1037843 Калужская область
0,1013848 0,0021097
Тюменска Красноярс Красноярс Ростовская
Рязанская область
2,0877516 я область 0,3995993 кий край 0,1176417 кий край 0,1058038 область 0,0027056
Тюменск
ая
Оpенбуpгс область
Амуpская Самаpская
кая без
область область
область автоном
ных
2,3146353 округов 0,4321347 0,1354984 Костромская 0,1177909
область 0,0070761
Свеpдловс
Красноярс Магаданск г. Санкт- Ульяновск
кая
кий край ая область Петеpбуpг ая область
область 2,3515499 0,3491857 0,1373918 0,1282969 0,0147209
Свеpдловс
Томская Тюменска Магаданск
кая
область я область ая область
2,3767726 0,1407424 0,1323265 область 0,0262679
Ленингpад Ленингpад Новгоpодс
ская ская кая
Белгородская2,6174717
область область 0,1469996 область 0,1390053 область 0,0268149
Новосибиp
Амуpская Республик Республик
ская
область а Тыва а Тыва
2,8261025 0,1555411 0,1453282 область 0,0301138
Республик Вологодск Челябинск
а Тыва 3,0585799 Костромская 0,1970672
область ая область 0,1947759 ая область 0,0314031
Чеченская
Вологодск Томская
Республик г. Москва
ая область область
а 3,0848811 0,2417884 0,2295598 0,0396249
Сахалинск Сахалинск Пеpмский
Тульская область
3,151181 ая область 0,2702355 ая область 0,2926786 край 0,0413416
Тюменск Тюменск
ая ая
Удмуpтска
область область
я
без без
Республик
автоном автоном
а
ных ных
3,2272127 округов 0,4894977 округов 0,5184196 Липецкая область
0,0419271
Тюменск
ая
область
Тюменска
без
я область
автоном
ных
округов 3,2960129 0,0437433
Кемеpовск Амуpская
ая область 3,7414806 область 0,0534205
Нижегоpо
Республик
дская
а Адыгея
3,9038267 область 0,0729933
Костромская 4,5020175
область Московская область
0,0912182
Вологодск
ая область 5,1499462 Калужская область
0,1000676
Республик
Липецкая область
6,5611362 а Тыва 0,1005656
Костромская 0,1050034
область
Красноярс
кий край 0,1130803
Магаданск
ая область 0,1225315
г. Санкт-
Петеpбуpг 0,1306918
Ленингpад
ская
область 0,1345753

54
Приложение 4
tesh_bb_down2 tesh_bb1_down2 oli_bb1_down2 oli_ab1_down2 port_ab1_down2
Ханты-
Мансийск
Новосибиp
Республик ий Куpганска
ская
а Алтай Белгородс автономны я область
область
кая й округ –
-6,082778 область -0,02708 -0,014078956 Югра -0,092806 -0,094905
Белгородс Чеченская
Камчатски Куpганска
Бpянская кая Республик
й край я область
-3,439342 область -0,037429 область -0,013168051 -0,089731 а -0,090541
Ханты-
Мансийск Республик Ямало-
ий а Ненецкий Муpманск
автономны Владимиpс Башкоpтос автономны ая область
й округ – кая тан й округ
Югра -2,821884 область -0,000482 -0,012998291 -0,071458 -0,090298

Кабаpдино-
Республик Ненецкий
Балкаpская
а автономны
Республик
Воpонежск Ивановска Моpдовия й округ
а
-2,49361 ая область -0,028418 я область -0,012681954 -0,070034 -0,083286
Республик
Пpимоpск Республик
Московска Ивановска а
ий кpай а Коми
я область -2,247863 я область -0,046863 -0,012113711 -0,065797 Калмыкия -0,082133
Евpейская
Магаданск Республик
Курская Ивановска автономна
ая область а Адыгея
-2,188735 область -0,042081 -0,008666874 я область -0,061474 я область -0,080783
Каpачаево-
Чеpкесская
Республик Орловская Воpонежск Тамбовска Ивановска
а -1,891681 область -0,009933 ая область -0,007171103 я область -0,061183 я область -0,077616
Калужская Смоленска Курская Киpовская Республик
область -1,85628 я область -0,036023 область -0,007164439 область -0,057883 а Дагестан -0,077089
Ханты-
Мансийск
Чувашская
Ростовская ий
Республик
область автономны
а
Тамбовска й округ –
я область -0,028123 -0,005435851 -0,056625 Югра -0,077063
Республик
Республик Республик
Тверская а
а Алтай а Алтай
область -0,039516 -0,005409913 Калмыкия -0,055888 -0,076702
Астpаханс Республик
Яpославск Камчатски
кая а
ая область й край
-0,006297 -0,005019926 область -0,055808 Моpдовия -0,074579
Чувашская
Республик Пензенска Псковская
Республик
а Каpелия я область область
-0,031973 а -0,004984577 -0,055616 -0,072943
Каpачаево-
Аpхангель Республик
Кpаснодаp Чеpкесская
ская а Маpий
ский кpай Республик
область Эл
-0,000715 -0,004690065 -0,054181 а -0,072213
Республик
Новгоpодс
Алтайский Твеpская а
кая
кpай область Ингушети
область
-0,006729 -0,004628871 -0,053929 я -0,071836
Астpаханс
Псковская Киpовская Саpатовск
кая
область область ая область
-0,003386 -0,004538543 -0,051134 область -0,071734

Кабаpдино-
Республик
Псковская Балкаpская
а Владимиpс
область Республик
Калмыкия кая
а
-0,014076 область -0,003491038 -0,047984 -0,069025
Астpаханс Евpейская
Яpославск
кая автономна Тамбовска
ая область
область -0,022413 -0,003430539 я область -0,047477 я область -0,067358
Оpенбуpгс
Ростовская Республик
Тамбовска кая
область а Коми
-0,033905 я область -0,002200338 область -0,04582 -0,067294
Ненецкий
Республик Куpганска Республик
автономны
а Дагестан я область а Адыгея
-0,007019 -0,001135022 й округ -0,044877 -0,066395

55
Республик Ямало-
а Ненецкий
Ингушети Бpянская Бpянская автономны
я -0,019203 область -0,001118931 область -0,044773 й округ -0,065072

Кабаpдино-
Балкаpская Томская Республик
Республик область а Дагестан
Бpянская
а
-0,040494 -0,000585592 -0,043329 область -0,063432
Каpачаево-
Чувашская
Чеpкесская Кемеpовск
Республик
Республик ая область Рязанская
а
а -0,005276 -2,25864E-05 область -0,042585 -0,062812
Республик
Республик
а Севеpная Ставpопол
а Маpий
Осетия – ьский кpай
Эл
Алания -0,047139 -0,040652 -0,062662
Республик Чеченская
Киpовская
а Маpий Республик
область
Эл -0,025774 а -0,039418 -0,060948
Республик
Пpимоpск Пензенска
а
ий кpай я область
Моpдовия -0,020741 -0,036651 -0,058233
Республик
а Смоленска Тверская
Татаpстан -0,012094 я область -0,036064 область -0,057973
Каpачаево- Республик
Чувашская
Чеpкесская а Севеpная
Республик
Республик Осетия –
а
-0,020575 а -0,036057 Алания -0,057357
Киpовская Республик Рязанская
область -0,033618 а Алтай -0,032886 область -0,049114
Пензенска Республик Пpимоpск
я область -0,035431 а Адыгея -0,032181 ий кpай -0,04899
Алтайский Смоленска
кpай -0,002384 я область -0,047534
Забайкаль Ставpопол
ский край -0,02352 ьский кpай -0,047012
Новосибиp
Саpатовск
ская
ая область
область -0,015458 -0,046354
Томская Республик
область -0,024862 а Хакасия -0,044695
Пpимоpск
ий кpай -0,030135
Хабаpовск
ий кpай -0,02284

56
Приложение 5
tesh_bb_down1 tesh_bb1_down1 oli_bb1_down1 oli_ab1_down1 port_ab1_down1
Нижегоpо Аpхангель Оpенбуpгс
Хабаpовск г. Санкт-
дская ская кая
ий кpай Петеpбуpг
-1,139172 область -0,102094 -0,174486 область -0,028285 область -0,043372
Республик
Нижегоpо
Иркутская Республик а Севеpная Забайкаль
дская
область а Алтай Осетия – ский край
область
-0,933663 -0,101374 -0,11692 Алания -0,026531 -0,040903

Кабаpдино-
Пензенска Республик Ульяновск Балкаpская Алтайский
я область а Хакасия ая область Республик кpай
а
-0,923886 -0,096605 -0,05533 -0,026148 -0,040184
Республик Калинингp Аpхангель
Республик Алтайский
а адская ская
а Бурятия кpай
Моpдовия -0,921871 -0,088957 область -0,038238 -0,026101 область -0,038433
Волгогpад
Саpатовск г. Санкт- Республик
г. Москва ская
ая область Петеpбуpг а Бурятия
-0,902363 -0,079386 -0,037526 область -0,023431 -0,034381
Евpейская
Республик Республик Камчатски
автономна Московска
а Дагестан а Хакасия й край
-0,876284 я область -0,06741 я область -0,036029 -0,022958 -0,033241
Республик
Аpхангель
Пpимоpск Ульяновск а Севеpная Республик
ская
ий кpай ая область Осетия – а Каpелия
область
-0,813608 -0,065971 Алания -0,027865 -0,021065 -0,032089

Кабаpдино- Республик
Калинингp
Камчатски Балкаpская а
Владимиpс адская
й край Республик Башкоpтос
кая область
а тан
область -0,760515 -0,061895 -0,026429 -0,019345 -0,030544
Республик Аpхангель
Киpовская Куpганска Яpославск
а ская
область я область ая область
-0,752516 -0,056931 Татаpстан -0,025597 -0,017756 область -0,028085
Белгородс
Республик Самаpская Республик
г. Москва кая
а Адыгея область а Каpелия
-0,731875 -0,053881 -0,023159 -0,01631 область -0,023154
Нижегоpо Волгогpад
Пензенска
дская Курская ская
я область
область -0,716421 -0,021686 область -0,0163 область -0,022237
Ямало-
Ненецкий Республик Республик Кpаснодаp
автономны а Хакасия а Бурятия ский кpай
й округ -0,674898 -0,018015 -0,015234 -0,019897
Калинингp
Забайкаль
адская Тверская Курская
ский край
область -0,664859 область -0,01662 -0,015215 область -0,019622
Ульяновск Республик Иркутская Орловская
ая область -0,632238 а Бурятия -0,016386 область -0,012798 область -0,017859
Тверская Камчатски Хабаpовск
область -0,505267 й край -0,011789 ий кpай -0,016796
Новосибиp Республик
Иркутская
ская а
область
область -0,401028 Татаpстан -0,009757 -0,014846
Тюменска Кpаснодаp Яpославск
я область -0,279305 ский кpай -0,006857 ая область -0,013636
Республик
а
Тамбовска Ингушети Воpонежск
я область -0,262433 я -0,005246 ая область -0,012578
Удмуpтска
Куpганска я Омская
я область Республик область
-0,234445 а -0,004603 -0,009538
Калинингp Владимиpс
Республик
адская кая
а Хакасия
-0,226354 область -0,004163 область -0,0055
Волгогpад Республик
Кемеpовск
ская а
ая область
область -0,185059 -0,003426 Татаpстан -0,00515
Удмуpтска
Самаpская Белгородс я
область кая Республик
-0,086649 область -0,002337 а -0,003851
Алтайский Орловская Кемеpовск
кpай -0,039955 область -0,000255 ая область -0,002303
Республик Республик
а а
Ингушети Воpонежск Башкоpтос
я -0,017465 ая область -0,000233 тан -0,001402
Омская Тульская
область 0,0017827 область -0,00047
Хабаpовск
ий кpай 0,0029998
Владимиpс
кая
область 0,0065518
Тульская
область 0,0116698

57