Курсовая ВШЭ финал

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ОБРАЗОВАНИЯ
«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ
«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»
Факультет экономических наук
Поляченко Андрей Евгеньевич
ФАКТОРЫ ЭКОНОМИЧЕСКОЙ ЖИЗНЕСТОЙКОСТИ РЕГИОНОВ РОССИИ
Курсовая работа
по направлению подготовки Экономика
образовательная программа «Прикладная экономика»
Руководитель:
к.э.н., доцент Орлова Ю.А.
Москва 2021
Оглавление
Введение ............................................................................................................................... 4
Глава 1. Особенности исследования экономической жизнестойкости в зарубежных

странах и России ................................................................................................................... 6
1.1. Понятие и типы жизнестойкости ............................................................................................ 6
1.3. Подходы к исследованию жизнестойкости ........................................................................... 7
Описательные подходы .................................................................................................................... 8
Индикаторные подходы ................................................................................................................... 8
Индексные подходы .......................................................................................................................... 9
1.4. Особенности экономики России ........................................................................................... 11
1.5. Выбор потенциальных факторов экономической жизнестойкости ..................................... 13
Глава 2. Методология исследования ................................................................................. 15

2.1. Индикаторные подходы к исследованию экономической жизнестойкости в целом ........ 15
2.2. Выбор и методология расчета основных индикаторов ........................................................ 16
Методология расчета индикаторов ............................................................................................... 16
Определение кризисного и восстановительного периодов ........................................................ 17
2.3. Выбор факторов жизнестойкости ......................................................................................... 20
2.4. Методология регрессионного анализа ................................................................................. 24
Глава 3. Результаты работы ................................................................................................ 25

3.1. Жизнестойкость по занятости ................................................................................................ 25
Сопротивляемость к кризису 1998 г. .............................................................................................. 26
Восстановительная способность после кризиса 1998 г. ............................................................... 28
3.2. Жизнестойкость по ВРП ......................................................................................................... 34
3.3. Обсуждение результатов ....................................................................................................... 44
2
Сравнение занятости и ВРП как индикаторов жизнестойкости ................................................... 47
Анализ выбросов ............................................................................................................................. 47
Выводы ............................................................................................................................... 49
Список литературы ............................................................................................................. 50
Приложение 1. Корреляционная матрица показателей ................................................... 53
Приложение 2. Корреляционная матрица показателей, вошедших в регрессионную

модель ................................................................................................................................ 55
Приложение 2. Основные показатели и параметры, влияющие на региональную

жизнестойкость ................................................................................................................... 56
Приложение 3. Код на Stata ............................................................................................... 58
3
Введение
Актуальность работы заключается в том, что жизнестойкость является одним из
ключевых параметров региональной экономической системы. Она влияет не только на
формальные показатели, но и на уровень и качество жизни населения. В последние 10 лет
эта проблема заинтересовала западных ученых, и они разработали методы исследования
жизнестойкости, которые можно адаптировать для российского материала, что и было
сделано в данной работе. Дополнительным аргументом в пользу исследования факторов
жизнестойкости является торможение роста российской экономики и, соответственно,
повышение рисков для уровня жизни населения. Исследование жизнестойкости позволит
выявить более уязвимые группы регионов.
Объектом исследования являются регионы России.
Предметом является жизнестойкость регионов России.
Целью работы является выявление факторов, определяющих жизнестойкость.
Задачами работы являются:
• определить и сузить понятие экономической жизнестойкости;
• выбрать методику расчета экономической жизнестойкости;
• рассчитать индикаторы жизнестойкости;
• обосновать факторы жизнестойкости;
• провести анализ значимости факторов жизнестойкости российских регионов;
• сформулировать выводы об основных факторах жизнестойкости.
Основным источником данных служит сборник «Регионы России», предоставляемый
Государственным комитетом статистики Российской Федерации (Росстата).
Основным методом работы является регрессионный анализ.
Научная новизна заключается в том, что в данной работе:
• исследуется жизнестойкость регионов России индикаторными методом;
• выявляются и статистически доказываются значимые факторы жизнестойкости для
регионов России (основными факторами оказались уровень экономического
развития и экспортная сырьевая специализация);
• на российском материале сравниваются индикаторы жизнестойкости (занятость и
ВРП) и делается вывод, что ВРП лучше отражает экономическую динамику.
Практическая значимость определяется важностью учета и прогнозирования
жизнестойкости для региональной и национальной экономики. Так, в более уязвимые
регионы могут быть направлены дополнительные средства для преодоления кризиса.
Работа имеет следующую структуру В первой главе определяется понятие
жизнестойкости, описываются и систематизируются основные подходы к ее
4
исследованию. Во второй главе излагается методология исследования. В третьей главе
описаны результаты регрессионных моделей. В завершение работы сделаны выводы.
5
Глава 1. Особенности исследования экономической
жизнестойкости в зарубежных странах и России
В данной главе обсуждаются основные подходы к исследованию жизнестойкости в
современных региональных исследованиях, в том числе влияние содержания понятия
жизнестойкости на методологию исследований, систематизируются факторы
жизнестойкости, выявленные другими исследователями. Проведенный анализ развития
российских регионов обосновывает необходимость учета российских особенностей в
методологии настоящего исследования.
1.1. Понятие и типы жизнестойкости

Понятие «жизнестойкость» является переводом английского слова «resilience». В
настоящее время употребляется в основном как психологический термин (Фоминова,
2012). В региональную экономику и экономическую географию этот термин пришел из
экологии (что видно по многочисленным сравнениям в литературе социально-
экономических систем с экологическими, например, (Folke, 2003) (Swanstrom, 2008)), при
этом наибольшее распространение этот термин получил в психологии.
Общий смысл понятия очень широкий: это возможность выдерживать внешние
неблагоприятные условия (Martin, 2012) (Swanstrom, 2008) (Leichenko, 2011). В
приложении к конкретным исследуемым сферам понимание термина может сильно
различаться (см. далее).
Заметим, что есть несколько синонимичных терминов: резильентность, устойчивость
(Климанов, Михайлова, & Казакова, 2018). Антонимом может служить уязвимость
(Бабурин, Бадина, Горячко, Земцов, & Колтерманн, 2016). При этом термин
«устойчивость» традиционно используется как перевод английского «sustainability», что
приводит к тому, что данные термины путаются, так как устойчивость в таком значении
означает способность не создавать себе неблагоприятные условия. Как можно увидеть, эта
характеристика в общем случае не связана с жизнестойкостью, которая представляет
собой способность эти неблагоприятные условия преодолевать.
Экономическая жизнестойкость может пониматься как способность региональной или
местной экономической системы выдержать шок или восстановиться после него. При это
шок может иметь и внеэкономическую природу, но обычно им выступает кризис как
комплексный экономический шок. В теории жизнестойкости в целом выделяют
инженерную, экологическую и адаптивную жизнестойкость.
6
Инженерная жизнестойкость отвечает за краткосрочный период, за способность вернуться
к равновесному состоянию или пути развития (Holling, 1973). Этот подход наиболее
простой методологически, однако он не учитывает всю сложность процесса воздействия
шока на систему. Хотя такой подход иногда критикуется как устаревший (Ahern, 2011), он
имеет право на существование, давая возможность оценить относительно быструю
реакцию на шок (в пределах нескольких лет). Также он легче всего совместим с простыми
методами статистического анализа.
Экологическая жизнестойкость – это процесс приспособления системы к новым
посткризисным условиям, а не фиксированная характеристика (Holling, 1973). Отражает
способность системы найти новое равновесное состояние, сохранив основные элементы и
функции.
Адаптивная жизнестойкость в целом похожа на экологическую, однако данный термин
пришел из психологии, где под ним понимается способность восстанавливаться после
сильных жизненных стрессов. Таким образом, это более широкое понимание
жизнестойкости по сравнению с экологической, при котором система может сильно
изменить структуру, сохранив лишь ключевые функции (Martin & Sunley, 2015).
Возможно, такое расположение данных типов жизнестойкости на одном векторе от
инженерной к адаптивной по уровню требуемой структурной перестройки не совсем
корректно, так как термины имеют разное происхождение.
1.3. Подходы к исследованию жизнестойкости

Так как понятие жизнестойкости в общественных и социальных науках расплывчато,
подходы к ее изучению крайне разнообразны (сгруппированы в Таблице 1).
Таблица 1. Подходы к исследованию жизнестойкости

Экономическая Комплексная К конкретному
Инженерная Экологическая неэкономическому
или шоку
адаптивная
Описательные методы (case study) Simmie & Martin, 2009; Cowell, 2013 Cumming, et al., Lu & Stead, 2013
2005
Индикаторные Статистическое Foster, 2007 - - -
методы сравнение
Сравнение с Cellini et al., 2014; Martin, 2012 - -
помощью Giannakis & Bruggeman,
индикатора 2015; Martin, 2012, 2018
Анализ Fingleton et al., 2011 - -
временных рядов
7
Индексные Индексы Klimanov et al., 2020; Briguglio, Cordina, Arup Marzi, et al., 2019
методы качества Farrugia, & Vella, 2009 International
функционирован Development,
ия системы 2018 (City
Resilience
Index)
Индексы Bakhtiari & Sajjadieh, 2018 Бабурин и др., Kofinas et al., 2013
жизнестойкости 2016; Замятина
др., 2021; Tol &
Yohe, 2007
Для начала разделим все подходы по методу исследования: это описательные методы;
методы, основанные на индикаторе жизнестойкости или на индексах, составленных ее
факторов.
Описательные подходы
Описательные подходы позволяют глубоко погрузиться в процесс взаимодействия
системы и внешнего шока в конкретном случае, но затрудняет сравнения, особенно с
помощью количественных методов, а также обобщение влияния факторов
жизнестойкости. Такие исследования позволяют сфокусироваться на невидимых в
статистике институциональных факторах. Примером описательного метода в
исследовании экономической жизнестойкости может служить сравнение Суонси и
Кембриджа (Simmie & Martin, 2009), в исследовании комплексной жизнестойкости –
теоретическая работа Камминга с соавторами, где помимо описания общего
исследовательского метода подробно разбирается пример юго-западной Амазонии
(Cumming, и др., 2005).
Индикаторные подходы
Подходы, основанные на индикаторе жизнестойкости не могут быть комплексными и как
правило ограничиваются экономической сферой, однако они позволяют исследовать
фактическую, а не предполагаемую реакцию системы на шок. Индикаторные методы
предполагают выбор показателя, который отражает состояние системы (индикатора).
Обычно используется занятость, ВВП или душевой ВВП. Далее жизнестойкость
оценивается по динамике этого индикаторы по сравнению с другими объектами
(регионами, городами) или с контрфактическим трендом.
По уровню сложности расчетов, индикаторные методы можно разделить на следующие
группы:
8
• статистическое сравнение;
• вычисление отдельного индикатора жизнестойкости;
• использование импульсных функций и других продвинутых математических
методов.
Статистическое сравнение – самый простой метод, когда система сравнивается с
аналогичными по выбранному индикатору жизнестойкости. Такой метод не требует
дополнительных расчетов, однако не позволяет характеризовать жизнестойкость одним-
двумя числами и дает лишь качественные результаты. Примером работы в рамках данного
метода может служить исследование Буффало, где этот город сравнивался с тремя типами
городов-аналогов: по специализации, по размеру и расположенными в том же штате
(Foster, 2007).
Методы, основанные на вычислении отдельных индикаторов жизнестойкости, позволяют
проводить количественные сравнения, но требуют несложных вычислений. Подробнее
про эту группу методов см. параграф «Индикаторные подходы к исследованию
экономической жизнестойкости».
Описанный выше метод можно усложнить разными способами, наиболее простым из
которых является применение метода сдвиг-доля. Другой вариант – применение метода
анализа многомерных временных рядов для понимания взаимного влияния систем
(городов или регионов) на жизнестойкость друг друга (Fingleton, Garretsen, & Martin,
2011).
Индексные подходы
Индексные подходы, напротив, более комплексны и могут учитывать жизнестойкость к
разным типам шоков, однако они позволяют лишь предположить реакцию системы на
шок. Однако конструирование индекса, отражающего изменчивость показателя – реакции
системы на шок – более сложная исследовательская задача, чем расчет индикатора.
Некоторые исследователи фактически определяют жизнестойкость скорее как
способность системы качественно выполнять свои функции, в том числе в условиях
конкретных шоков либо исходят из предположения, что лучше функционирующая
система будет более жизнестойкой. Хотя такое определение отличается от классического,
оно позволяет собрать индекс жизнестойкости из переменных, отражающих качество
жизни, институтов, уровень душевого ВВП и т. д., что не отменяет включения в индекс и
переменных, отражающих динамику системы и теоретическую уязвимость к шокам (что
приближает индекс к классическому пониманию жизнестойкости).
9
Примером такой работы является исследование страновой жизнестойкости по методике,
сформулированной исследователем малых стран Л. Бригульо с соавторами, который
включает в индекс группы показателей связанных с теоретической уязвимостью к шокам
(качество управления, рыночных институтов и экологического регулирования,
макроэкономическая стабильность, социальную сплоченность). Однако сами показатели
внутри групп в основном связаны с общим функционированием системы, а не с реакцией
на шок непосредственно (Briguglio, Cordina, Farrugia, & Vella, 2009), хотя авторы и
прослеживают логическую цепочку от этих общих характеристик к уязвимости системы.
Работа С. Марци с соавторами идейно аналогична, только касается жизнестойкости
регионов по отношению к природным бедствиям в Италии (Marzi, Mysiak, Essenfelder,
Amadio, Giove, & Fekete, 2019).
На российских данных аналогичный подход применен В.В. Климановым с соавторами. В
индекс жизнестойкости российских регионов включены не только показатели динамики
системы (рост душевого ВРП и заработной платы с 2007 г.), но и показатели качества ее
функционирования (уровень бедности и безработицы, обеспеченность жильем и товарами
длительного пользования, характеристики инновационной системы региона). Данная
статья показывает возможности включения динамических показателей в комплексный
индекс (Klimanov, Kazakova, & Mikhaylova, 2020).
В других работах авторы согласны с классическим определением жизнестойкости как

способности реагировать на шок и собирают индекс исходя из этого, то есть в него
попадают переменные, которые теоретически приведут к более желательной реакции.
Так, работа В.Л. Бабурина и соавторов фактически исследует комплексную
жизнестойкость муниципальных образований Российской Арктики (Бабурин, Бадина,
Горячко, Земцов, & Колтерманн, 2016) по ограниченным данным муниципальной
статистики. Авторы составляют комплексный индекс из трех субиндексов (субиндексы
восприимчивости, ликвидационных способностей и адаптивных способностей). Каждый
субиндекс составлен из показателей, наиболее близких к отображаемому параметру, но
доступных в Базе данных муниципальных образований (например, для оценки
ликвидационных способностей используется число врачей и больничных коек на 10 тыс.
жителей и доля участников добровольных формирований по охране общественного
порядка).
Н.Ю. Замятина и соавторы также исследует города Российской Арктики, используя более
комплексный подход, где жизнестойкость города определяется его подсистемами
(базовый сектор, обслуживающий сектор, природная, социокультурная и управленческая
10
подсистемы) и делается вывод о слабой связи их характеристик (Замятина, и др., 2021).
Таким образом, содержательное объединение показателей с помощью математических
методов (в индекс или с помощью кластеризации) затруднено. Теоретически, можно было
бы использовать усреднение с помощью среднего геометрического или гармонического,
которые уменьшаются при больших различиях в субиндексах, но авторы приняли
решение не применять механический метод, а описать выводы на качественном уровне.
Такой подход позволяет оценивать не только экономическую, но и комплексную
жизнестойкость, однако основан не на фактических результатах шока, а не
предположениях исследователя. Исключением является работа по исследованию
восстановления инфраструктуры после японского землетрясения 2011 г., где в индекс
были включены и фактические переменные, связанные с восстановлением
инфраструктуры (Cimellaro, Solari, & Bruneau, 2014).
Заметим, что четко разграничить индексный и индикаторный подходы нельзя. Так City
Resilience Index, хотя и относится скорее к первой категории, включает показатели обоих
типов (характеризующие качество жизни и реакцию на внешний шок), так как он
понимает жизнестойкость как способность города обеспечить всем жителям базовую
защищенность от последствий шоков (Arup International Development, 2018). Например, в
него включены показатели доступности электроэнергии и жилья, безопасности
(характеристики качества жизни), а также наличие защитной инфраструктуры и
эффективное управление (характеристики собственно жизнестойкости в классическом
определении).
Указанное выше разделение между индексами, характеризующими экономическую
жизнестойкость, также условно. Оно приводится скорее для того, чтобы подчеркнуть
разницу между разными пониманиями жизнестойкости: если мы считаем, что
жизнестойкость отражает способность системы сохранять качество функционирования
системы на некотором уровне, индекс будет включать в том числе и переменные, это
качество характеризующие и не отражающие реакцию на шок.
1.4. Особенности экономики России

Методика расчета жизнестойкости была разработана и опробована на материале развитых
стран. Россия же имеет свои важные особенности, влияющие на оценку жизнестойкости.
Россия – это развивающаяся, большая, постсоциалистическая страна с федеративным
устройством, но концентрацией экономической деятельности в небольшом количестве
регионов и экономикой зависящей от экспорта нефти и газа. Эти особенности и связанные
с ними корректировки отражены на Рисунке 1.
11
Рисунок 1. Особенности российской экономики и связанные с ними корректировки методики расчета жизнестойкости.
Источник: составлено автором по (Голик, 2017) (Ясин, 2019) и на основе данных ГКС России.
Факторы жизнестойкости должны быть скорректированы. Во-первых, следует добавить

факторы, отражающие межрегиональное неравенство в уровне развития инфраструктуры,
климатические условия и удаленность от Москвы, так как регионы России сильно
различаются по этим показателям из-за больших размеров страны. При этом
жизнестойкость от них может сильно зависеть, так как низкая плотность инфраструктуры,
неблагоприятный климат и удаленность от Москвы (а значит и от Центральной России в
целом) препятствуют конкурентоспособности. Во-вторых, следует по-другому (по
сравнению с развитыми странами) интерпретировать некоторые факторы. Так, показатели
инновационного развития могут играть не столь существенную роль. Наоборот,
агломерационный эффект в России выражен больше на контрасте с большой,
разреженной и относительно отсталой территорией, лишенной таких преимуществ
(Сторпер, 2018). Высокая зависимость от иностранных инвестиций и высокая доля
12
обрабатывающей промышленность может играть положительную роль в менее развитой
экономике России.
Необходима корректировка методики расчета. Во-первых, из-за неравномерной динамики

индикаторов жизнестойкости следует отказаться от определения дна кризиса и пика
восстановления через минимумы и максимумы занятости или ВРП, так как в некоторых
регионах индикаторы падают на протяжении всего периода, поэтому дна кризиса там нет.
Во-вторых, следует вычислять модели без выбросов, так как из-за больших контрастов
динамика регионов может сильно отличаться. При применении неробастного метода МНК
выбросы могут искажать модель.
Использование нескольких индикаторов жизнестойкости обусловлено тем, что и

занятость, и ВРП в российских условиях не могут в полной мере отразить экономическую
ситуацию в регионе. Занятость в России неэластична, поэтому даже в периоды серьезных
шоков меняется не сильно и, можно предположить, без строгого соответствия с
динамикой производства. Помимо этого, на занятость влияет и демографическая
динамика. ВРП же по определению показывает региональное производство, однако оно
может быть опосредовано связано с уровнем жизни населения из-за большого объема
межрегионального перераспределения. Кроме того, использование двух индикаторов
нужно для подтверждения влияния показателей, так как факторы жизнестойкости могут
быть разными (Cellini, Caro, & Torrisi, 2014).
1.5. Выбор потенциальных факторов экономической жизнестойкости

Потенциальные факторы разнообразны и представлены ниже в Таблице 2.
Таблица 2. Факторы жизнестойкости.

Источник: Поляченко А. Е. Факторы жизнестойкости регионов и городов российской и зарубежной Арктики (выпускная
квалификационная работа). 2020. Изменено и дополнено автором.
№ Теоретические параметры Источник Направлени
е влияния
Структура экономики Диверсифицированность Martin, 2018 +
экономики
Доля обрабатывающей Martin, 2018 -
промышленности
Доля услуг Martin, 2018 +
Занятость в государственном Martin, 2018 +
секторе
Производительность труда и Martin, 2018 +
13
капитала
Другие характеристики Ориентированность на экспорт Martin, 2018 -
экономики Независимость от экспорта Simmie & Martin, 2009 +
Независимость от иностранных Simmie & Martin, 2009 +
инвестиций
Наличие инновационного кластера Simmie & Martin, 2009 +
Разнообразие наукоемких отраслей Boschma, 2014 +
Квалификация рабочей силы Simmie & Martin, 2009 +
Предпринимательская активность Климанов, Михайлова, +
Казакова, 2016
Уровень экономического развития Fingleton, Garretsen, & Martin, +
2015
Эффект от предыдущих кризисов Martin, 2012 -
Инфраструктура Уровень развития инфраструктуры Климанов, Михайлова, +
Стабильность финансовой системы Климанов, Михайлова, +
Социальная-демографическая Рост населения Климанов, Михайлова, +
сфера Казакова, 2016
Размер города Martin, 2018 +
Политико-институциональные Столичность Martin, 2012 +
сфера Качество институтов городского Foster, 2007 +
управления
Государственная поддержка Климанов, Михайлова, +
Несмотря на однозначность направления влияния факторов жизнестойкости в каждой из

статей, их сравнение, а также исследования автора (Поляченко, 2020) дают возможность
утверждать, что факторы сильно зависят от конкретных объектов исследования.
14
Глава 2. Методология исследования
В главе описывается методология исследования. Сначала приводится обзор индикаторных
подходов к исследованию жизнестойкости. Затем объясняется выбор занятости и ВРП в
качестве индикаторов жизнестойкости, приводится методология расчета жизнестойкости.
Затем приводится обоснование выбора факторов жизнестойкости и методология
регрессионного анализа, в частности объясняется необходимость исключения выбросов.
2.1. Индикаторные подходы к исследованию экономической

жизнестойкости в целом
Остановимся подробнее на индикаторных подходах к жизнестойкости, так как именно они
будут использованы в настоящей работе.
Выбор индикаторного подхода для анализа объясняется тем, что работа ставит своей
целью исследование экономической жизнестойкости регионов (а не комплексной), то есть
комплексность оценки не требуется. Как было показано, индексный метод не позволяет
оценить фактическую реакцию региональных экономических систем на шоки. Более того,
он имеет дополнительные риски ошибок в составлении или просто получения индекса, не
проявляющего общее распределение латентной переменной по объектам.
В работе будет использован расчет простого индикатора жизнестойкости, так как он
позволяет проводить множественное сравнение (в том числе с помощь регрессионных
моделей).
Для целей описания методологии выделим два подтипа работ, выполненных в данной
парадигме: метод расчета индикатора жизнестойкости Р. Мартина и метод сдвиг-доля.
Первый будет положен в основу этой работы. Он позволяет получить характеристику
жизнестойкости двумя числами:
• сопротивляемость характеризует фазу спада и показывает глубину падения
региональной экономики
• восстановительная способность – фазу подъема (Martin, 2012).
Метод удобен при сравнении между собой регионов или городов одной страны, а также
при сравнении их в разные кризисы.
Метод сдвиг-доля позволяет явно разделить динамику индикатора жизнестойкости
(занятости, ВРП, душевого ВРП) на страновую, отраслевую и местную части, то есть
понять, какая часть этой динамики относится к росту во всей стране, какая – к набору
отраслей специализации, а какая – к местным факторам. В работе по регионам Греции
данный метод применен к абсолютным значениям изменения занятости, а не к
15
процентным изменениям. Это затрудняет сравнение математическими методами, так как
величина изменения занятости зависит от размера региона (такое сравнение и не
требуется, так как в Греции всего 13 регионов) (Giannakis & Bruggeman, 2015).
2.2. Выбор и методология расчета основных индикаторов

Методология расчета индикаторов
Как было сказано выше, основным индикатором жизнестойкости является занятость. В
связи со спецификой российских условий (низкая эластичность занятости по выпуску) к
ней добавляется ВРП, а также ВРП на душу населения. От последнего пришлось
отказаться из-за его высокой корреляции с ВРП.
В оригинальных работах (Fingleton, Garretsen, & Martin, 2011) (Martin, 2012) точные
формулы расчета сопротивляемости и восстановительной способности не приведены, но
по описаниям можно предположить следующие формулы:
∆Er/Er (Ert – Ert-1 )/Ert-1
res = ∆En/En = (Ent – Ent-1 )/Ent-1
,
где res – сопротивляемость,

∆Er – изменение занятости в регионе в период кризиса,
Er – занятость в регионе,
∆En – изменение занятости в стране в период кризиса,
En – занятость в стране,
t – кризисный год,
(t – 1) – предкризисный год.
Восстановительная способность (обозначим ее переменной rec) рассчитывается по той же
формуле, только изменение будет не в период кризиса, а после него, в период
восстановления. Используются годовые данные, так как месячные или квартальные
отсутствуют для регионального уровня, хотя и могли бы точнее характеризовать
динамику экономики региона.
Заметим, что деление на страновой показатель, предусмотренное формулой, корректно
только тогда, когда динамика этого показателя совпадает с «положенной» (спад в кризис,
подъем в период восстановления). Для кризиса 2014 г. это условие не выполняется (см.
Таблицу 3): занятость падала на протяжении всего периода с 2013 по 2018 гг., а ВРП –
рос.
Таблица 3. Жизнестойкость российской экономики по занятости и ВРП.

Кризис Занятость ВРП
Сопротивляемость 1998 г. -1,36% -6,4%
16
Восстановительная способность 1998 г. 7,31% 101,5%
Сопротивляемость 2009 г. -1,48% -7,6%
Восстановительная способность 2009 г. 0,65% 15,7%
Сопротивляемость 2014 г. -0,13% 1,3%
Восстановительная способность 2014 г. -0,72% 4,9%
По этой причине показатели жизнестойкости экономических систем регионов необходимо

будет использовать в сыром виде, без поправки на национальный тренд и сравнивать
только в рамках одного кризиса друг с другом. Это не вносит никаких искажений в
модели, так как национальный тренд одинаков для каждого периода, однако не позволяет
сравнивать показатели разных кризисов.
Итоговая методика будет выглядеть так:
res = ∆Er/Er,
где res – сопротивляемость,
∆Er – изменение занятости в регионе в период кризиса,
Er – занятость в регионе.
Восстановительная способность рассчитывается аналогично, только изменение будет не в
период кризиса, а после него, в период восстановления. Жизнестойкость по ВРП
считается аналогично.
Определение кризисного и восстановительного периодов

Общепринятого определения кризисного периода и периода восстановления нет (Martin &
Sunley, 2015) и каждый исследователь сам подбирает эти периоды.
На графиках (Рисунки 2 и 3) явно видны кризисы 1998 и 2009 гг. как локальные
минимумы занятости и ВРП. Кризис 2014 г. так не выделяется.
Если считать, что шок внезапно нарушает нормальное развитие экономики, то
сопротивляемость к нему логично измерять как спад индикатора с предкризисного
(«нормального») года на кризисный. Поэтому в данной работе за предкризисный год
принят год перед началом кризиса, за кризисный – год самого кризиса.
Период восстановления однозначно определить сложнее. Предлагается либо использовать
время для выхода на докризисный (или потенциальный посткризисный) уровень (Martin &
Sunley, 2015), но тогда переменной будет время, а не характеристика системы. К тому же
не все регионы когда-либо выходят на предшоковый уровень (особенно по занятости).
Таким образом, необходимо выбрать единый для всех регионов временной период,
динамика индикатора за который и будет принята за восстановительную способность.
Разумно выбрать либо краткосрочный период в макроэкономике (3 – 4 года), так как по
17
его истечении экономика, предположительно, возвращается на уровень своих
производственных возможностей (Бланшар, 2010), либо период до следующего кризиса,
по той же причине: перед началом кризиса экономика подходит к «потолку»
производственных возможностей ближе всего (Martin & Sunley, 2015). В данной работе
было решено выбрать последний вариант, за период восстановления принят период от дна
кризиса до следующего предкризисного года, аналогично (Martin, 2012). При этом
очевидно, что не все развитие в посткризисный период связано с восстановлением после
шока.
108
106
104
102
100
98
96
94
1997
1998
1999
2001
2005
2007
2008
2009
2011
2015
2017
2018
2000
2002
2003
2004
2006
2010
2012
2013
2014
2016
Рисунок 2. Динамика занятости в России с 1997 по 2018 (1997 = 100)
18
250
200
150
100
50
0
1997
1998
1999
2001
2005
2007
2008
2009
2011
2015
2017
2018
2000
2002
2003
2004
2006
2010
2012
2013
2014
2016
Рисунок 3. Динамика суммы ВРП в России с 1997 по 2018 (1997 = 100)
За сопротивляемость к кризису 1998 г. принято процентное изменение индикатора с 1997

г. по 1998 г.: res98 = (I1998 − I1997) / I19971.
За восстановительную способность после кризиса 1998 г. принято процентное изменение
индикатора с 1998 г. по 2008 г.: reс98 = (I2008 − I1998) / I1998.
г. по 2009 г.: res09 = (I2009 – I2008) / I2008.
индикатора с 2009 г. по 2013 г.: reс09 = (I2013 − I2009) / I2009.
г. по 2014 г.: res14 = (I2014 – I2013) / I2013.
индикатора с 2014 г. по 2018 г.: reс14 = (I2018 – I2014) / I2014.
Индикаторы были рассчитаны по всем регионам, по которым имелись полные данные: 79
регионов (кроме Республики Крым, г. Севастополь, Чеченской республики, Ненецкого,
Ямало-Ненецкого и Ханты-Мансийского автономных округов). При этом данные по
округам были включены в соответствующие регионы (Архангельскую и Тюменскую
области соответственно).
1
I обозначает любой индикатор жизнестойкости (занятость или ВРП).
19
2.3. Выбор факторов жизнестойкости
На основе обзора литературы были подобраны факторы жизнестойкости как доступные в
российской статистике прокси тех параметров, которые обозначены как значимые в ранее
сделанных работах (см. Таблицу 2).
Все показатели были взяты на 2007 г., так как это примерно середина интервала с 1997 по
2018 гг. Во-первых, это позволило решить проблему с несопоставимостью данных по
структуре экономики на 1990-е гг. Проблема является важной, так как предыдущие
работы показывают важность структуры экономики. Даже если она окажется незначимой
для экономки России, она все равно нужна для контроля результатов. Во-вторых, единый
набор регрессоров позволил упростить анализ данных, так как для данной задачи
оптимален анализ методом внешне не связанных уравнений (SUR). Оценки SUR
идентичны оценкам МНК в случае использования одних и тех же регрессоров для всех
моделей, поэтому в данной работе можно применить метод МНК. При этом, благодаря
устойчивости межрегиональных различий в России, неточности метода будут
допустимыми.
Расшифровку названий показателей и методику их расчета см. в Таблице 4. Не вошедшие
в модель показатели (8 из 41) были исключены во избежание мультиколлинеарности.
Описательные статистики даны в Таблице 5, корреляционная матрица – в Приложении 1
(для всех объясняющих показателей) и Приложении 2 (только для вошедших в модель).
Таблица 4. Расшифровка названий регрессоров.

Включен в
Группа Название
Источник Название Расчет регрессионну
показателей в модели
ю модель
lpop логарифм населения - нет
lgrp логарифм ВРП - нет
Fingleton, grppc ВРП на душу населения - нет
Garretsen, логарифм ВРП на душу
общие lgrppc - да
& Martin, населения
2011 отношение ВРП к
производительность основного
prod основному капиталу в да
капитала
регионе
отношение числа ученых
Simmie & sci_pers доля науных работников да
к населению
Martin,
инновационный отношение затрат на
2009; sci_cost доля затрат на НИОКР нет
потенциал НИОКР в ВРП
Boschma,
отношение среднего
2014 sci_pat число патентов нет
числа патентов за 2005 -
20
2007 гг. к населению,
умноженное на 1000
доля наукоемкой продукции в
sci_sh объем объеме промышленной взят в готовом виде да
продукции
отношение объема
Климанов, fin_vk объем вкладов банковских вкладов к да
финансовая Михайлова ВРП
система , Казакова, отношение объема
2016 fin_cred кредитная задолженность кредитной задолженности да
к ВРП
отношение числа малых
число малых и средних предприятий к
pred_num нет
предприятий населению, умноженное
Климанов, на 1000
предприниматель Михайлова отношение занятости на
занятость на малых и средних
ская активность , Казакова, pred_emp малых предприятиях к да
предприятиях
2016 общей занятости
отношение оборота
оборот малых и средних
pred_obor малых предприятий к нет
предприятий
ВРП
отношение экспорта из
dep_export зависимость от экспорта да
региона к ВРП
отношение импорта в
dep_import зависимость от импорта да
завимость Simmie & регион к ВРП
региональной Martin, отношение объема
экономики 2009 иностранных инвестиций
зависимость от иностранных
dep_fi ко всем инвестициям в да
инвестиций
основной капитал, не
является долей
доля сельского хозяйства в
str_ag - да
ВРП
доля рыболовства и
str_ryb - да
рыбоводства в ВРП
доля добычи полезных
str_mining - да
ископаемых в ВРП
доля обрабатывающих
структура Martin, str_manuf - да
производств в ВРП
экономики 2018
доля производства и
str_com распределения электроэнергии, - да
газа и воды в ВРП
str_const доля строительства в ВРП - да
доля оптовой и розничной
str_trade - да
торговли в ВРП
str_rest доля гостиниц и ресторанов в - да
21
ВРП
str_trans доля транспорта и связи в ВРП - да
доля финансовой деятельности
str_fin - да
в ВРП
доля операций с недвижимым
str_real - да
имуществом в ВРП
доля государственного
str_gov - да
управления в ВРП
str_ed доля образования в ВРП - да
str_med доля здравоохранения в ВРП - да
str_drserv доля прочих услуг в ВРП - да
индекс Хирфиндаля-
диверсифицорованность
str_hhindex Хиршмана по структуре да
экономики
экономики по ВРП
логарифм населения
агломерационны Martin,
lpopcity крупнейшего города региона - да
й эффект 2018
(2020 г.)
климат крупнейшего города
clim - да
региона
широта крупнейшего города
учет latitude - да
географическое региона
российской
положение долгота крупнейшего города
специфики longitude - нет
региона
расстояние от крупнейшего на автомобиле по данным
infr_rasst да
города региона до Москвы онлайн-карт
доля городского населения в
Климанов, infr_urb взят в готовом виде да
регионе
Михайлова
инфраструктура infr_dens плотность автодорог взят в готовом виде да
, Казакова,
infr_zhdden
2016 плотность железных дорог взят в готовом виде да
s
Таблица 5. Описательные статистики.

Название в Число Стандартное
Название Среднее Минимум Максимум
модели наблюдений отклонение
lpop логарифм населения 79 3,097 0,393 1,724 4,049
lgrp логарифм ВРП 79 5,214 0,499 4,179 6,826
grppc ВРП на душу населения 79 156,621 122,258 39,063 828,224
логарифм ВРП на душу
lgrppc 79 2,116 0,244 1,592 2,918
населения
производительность
prod 79 0,414 0,137 0,101 0,888
основного капитала
sci_pers доля научных работников 79 0,001 0,002 0,0001 0,013
sci_cost доля затрат на НИОКР 79 0,009 0,010 0,0003 0,045
sci_pat число патентов 79 0,127 0,111 0 0,652
sci_sh доля наукоемкой 79 4,359 5,830 0 37,300
22
продукции в объем
объеме промышленной
продукции
fin_vk объем вкладов 79 0,123 0,059 0,027 0,496
fin_cred кредитная задолженность 79 0,142 0,092 0,018 0,480
число малых и средних
pred_num 79 6,497 3,692 1,327 26,611
занятость на малых и
pred_emp 79 0,109 0,047 0,028 0,288
средних предприятиях
оборот малых и средних
pred_obor 79 0,485 0,291 0,096 1,934
dep_export зависимость от экспорта 79 0,008 0,013 0,00003 0,109
dep_import зависимость от импорта 79 0,005 0,007 0,00017 0,055
зависимость от
dep_fi 79 0,173 0,258 0 1,562
иностранных инвестиций
доля сельского хозяйства
str_ag 79 8,542 5,777 0 32,9
в ВРП
доля рыболовства и
str_ryb 79 0,725 2,581 0 19,4
рыбоводства в ВРП
доля добычи полезных
str_mining 79 6,654 11,272 0 55,6
ископаемых в ВРП
доля обрабатывающих
str_manuf 79 19,624 11,092 1,2 52,4
производств в ВРП
доля производства и
распределения
str_com 79 4,720 2,841 0,7 18,1
электроэнергии, газа и
воды в ВРП
str_const доля строительства в ВРП 79 7,441 3,364 1,9 22,6
доля оптовой и розничной
str_trade 79 15,394 5,371 6,2 39,1
торговли в ВРП
доля гостиниц и
str_rest 79 0,958 0,433 0,2 2,9
ресторанов в ВРП
доля транспорта и связи в
str_trans 79 11,396 5,024 4,1 29,3
ВРП
доля финансовой
str_fin 79 0,203 0,429 0 2,4
деятельности в ВРП
доля операций с
str_real недвижимым имуществом 79 6,686 2,787 1,2 17,7
в ВРП
доля государственного
str_gov 79 7,587 4,385 1,8 27,8
управления в ВРП
str_ed доля образования в ВРП 79 4,044 1,679 1,2 12,7
доля здравоохранения в
str_med 79 4,709 1,643 1,8 12,7
ВРП
str_drserv доля прочих услуг в ВРП 79 1,316 0,506 0,5 3,4
str_hhindex диверсифицорованность 79 1482,574 461,167 1053,8 3412,32
23
экономики
логарифм населения
lpopcity крупнейшего города 79 5,638 0,448 4,073 7,045
региона (2020 г.)
климат крупнейшего
clim 79 -10,837 6,863 -38,6 1,2
города региона
широта крупнейшего
latitude 79 53,722 5,380 43 69
долгота крупнейшего
longitude 79 61,775 35,615 20,5 177,5
расстояние от
infr_rasst крупнейшего города 79 2467,937 3181,567 10 15000
региона до Москвы
доля городского
infr_urb 79 69,047 12,697 26,2 100
населения в регионе
infr_dens плотность автодорог 79 164,865 220,035 0,8 1390
плотность железных
infr_zhddens 79 156,924 122,092 0 574
дорог
2.4. Методология регрессионного анализа

Регрессионный анализ проводился по всем регрессорам методом МНК в несколько
этапов.
• оценка МНК-модели по всем наблюдениям;
• расчет стьюденизированных остатков, расстояний Кука и DFFIT, определение
вертикальных выбросов (по стьюденизированным остаткам) и выбросов с плохим
плечом (по расстояниям Кука и DFFIT);
• оценка МНК-модели без выбросов.
Все регрессоры входят линейно, переменных взаимодействия нет:
Yi = b0 + b1*lgrppci + b2*prodi + … + b33*infr_zhddensi + ei.
От выбора модели со всеми значимыми регрессорами было решено отказаться, так как
отсутствие остальных (контрольных) переменных сильно смещало оценки. Регрессоры
не разделялись заранее на тестируемые и контрольные, однако в каждой модели все
незначимые регрессоры выполняли функции контрольных. При этом
интерпретировались только значимые коэффициенты.
Для интерпретации использовались не только оценки моделей, но и результаты
визуального анализа данных, так как именно он позволяет правильно интерпретировать
оценки.
24
Глава 3. Результаты работы
В данной главе по итогам регрессионного анализа были найдены значимые факторы
жизнестойкости. Затем подбираются параметры, которые эти факторы отражают.
Параметры верифицируются визуальным анализом данных. Потом выводятся основные
факторы жизнестойкости по результатам визуального и статистического анализа.
Делается вывод о том, что ВРП лучше отражает жизнестойкость регионов, чем занятость.
3.1. Жизнестойкость по занятости

Результаты оценки моделей представлены в Таблице 6.
Таблица 6. Результаты оценки моделей жизнестойкости по занятости.2
Восстановительная
Сопротивляемость
способность 1998
1998
2009
2014
логарифм ВРП на душу населения 0,245**
производительность основного капитала
доля научных работников
доля наукоемкой продукции в объем объеме -

промышленной продукции 0,000857** 0,00110*
объем вкладов 0,284***
кредитная задолженность 0,116** 0,109*
занятость на малых и средних предприятиях 0,201** 0,179*
зависимость от экспорта 5,535*** 0,810**
зависимость от импорта 1,087** -1,529**
зависимость от иностранных инвестиций
доля сельского хозяйства в ВРП -0,0262**
доля рыболовства и рыбоводства в ВРП -0,0219*
доля добычи полезных ископаемых в ВРП -0,0255**
2
В оценке каждой модели участвовали все 33 переменные, пропуски в таблице означают
незначимость регрессора, а не его отсутствие в модели. Стандартные ошибки опущены
для лучшей читаемости. Уровень значимости показан количеством звездочек (* для 0,1; **
для 0,05; *** для 0,01). Значения округлены до третьей значащей цифры.
25
доля обрабатывающих производств в ВРП -0,0267**
доля производства и распределения

электроэнергии, газа и воды в ВРП -0,0258**
доля строительства в ВРП -0,0248**
доля оптовой и розничной торговли в ВРП -0,0238**
доля гостиниц и ресторанов в ВРП -0,0289*
доля транспорта и связи в ВРП -0,0257**
доля финансовой деятельности в ВРП -0,0423*
доля операций с недвижимым имуществом в ВРП -0,0274**
доля государственного управления в ВРП -0,0252**
доля образования в ВРП -0,0253**
доля здравоохранения в ВРП -0,0276**
доля прочих услуг в ВРП
диверсифицированность экономики
логарифм населения крупнейшего города региона 0,0335**
климат крупнейшего города региона -0,00112*
- - -
широта крупнейшего города региона -0,0131*** 0,00197** 0,00280** 0,00400**
расстояние от крупнейшего города региона до - -4,425e- -4,960e-

Москвы 0,0000232* 06* 06*
доля городского населения в регионе 0,000450*
плотность автодорог
плотность железных дорог
константа -0,329 1,478 -0,652 2,407** -0,0707 -1,533
Скорректированный R2
0,51 0,69 0,38 0,62 0,56 0,54
полной модели
Сопротивляемость к кризису 1998 г.
Сильнее всего пострадали удаленные северные и восточные регионы (Чукотский АО,

Забайкальский край, Камчатский край) и некоторые национальные республики (Бурятия,
Карачаево-Черкессия, Калмыкия), а слабее – Москва, Санкт-Петербург, их области,
некоторые другие диверсифицированные регионы с крупными городами (Башкирия,
Самарская и Свердловская области) и Ингушетия (см. Рисунок 4). Вообще, похожие по
специализации и географическому положению регионы могут иметь совершенно разную
сопротивляемость. Так, регионы Центральной России показывают как высокую
(Орловская и Владимирская области), так и низкую (Тверская, Ивановская области).
26
Таким образом, объяснить это распределение с помощью визуального анализа данных
затруднительно3.
Рисунок 4. Сопротивляемость к кризису 1998 г. по занятости4.
Согласно модели (см. Таблицу 4), доля наукоемкой продукции оказывает негативное
влияние, а отношение вкладов к ВРП и занятости в малом и среднем бизнесе –
позитивное.
Доля наукоемкой продукции отражает скорее не собственно технологичность региона, а
исторически обусловленную специализацию промышленности в нем (по показателю
лидируют Мордовия – 37% и Самарская область – 25%), поэтому она может плохо
3
Описания переменных на основе визуального анализа даны по всем регионам (в том
числе по тем, которые попали в выбросы моделей), так как это позволяет понять, какие
параметры реально отражают показатели и как они изменяются по регионам.
4
Здесь и далее шкалы на картах построены методом естественных разрывов с
округлением. Шкалы подобраны так, чтобы наилучшим образом показать распределение
каждого показателя по регионам, поэтому шкалы на разных картах не совпадают.
27
отражать инновационную активность в регионе. Влияние, подтвержденное регрессионной
моделью, не поддается интерпретации.
Общая сумма вкладов (скорректированная на объем ВРП), видимо, действительно
отражает уровень развития финансовой системы и, в некоторой степени,
межрегиональную центральность. Так, лидируют по этому показателю Красноярский край
(49%), Москва (24%) и Санкт-Петербург (22%), Воронежская область (20%), а в
аутсайдерах – национальные республики (Дагестан – 3%, Ингушетия – 3%) и регионы с
высоким ВРП за счет сырьевых отраслей (Тюменская область – 5%, Сахалинская – 6%).
Однако эта закономерность имеет большое число исключений, когда регионы с
небольшим ВРП имеют повышенный показатель (Ивановская область – 20%, Смоленская
область – 15%).
Высокая доля занятости в малом и среднем бизнесе может прямо влиять на
жизнестойкость, так как означает высокую предпринимательскую активность населения.
Также она может быть индикатором благосостояния и диверсифицированности
региональной экономической системы, так как наибольшие значения она принимает в
Москве (29%), Санкт-Петербурге (25%) их областях (20% и 19%), а также
Калининградской (27%), Нижегородской (18%) и Томской областях (16%), Башкирии
(18%). В аутсайдерах, главным образом, национальные республики (от 3%).
Таким образом, статистический и визуальный анализ подтверждает позитивное влияние
отношения вкладов к ВРП, доли занятых в малом и среднем бизнесе.
Восстановительная способность после кризиса 1998 г.

Восстановление после кризиса 1998 г. в данном случае синонимично экономическому
росту нулевых годов – периода самого быстрого экономического оживления в России.
В лидерах роста занятости оказались национальные республики Северного Кавказа (до
39% в Северной Осетии), Москва (26%) и Московская область (26%), южных регионах
(Ставропольский край – 23%, Краснодарский край – 21%) (см. Рисунок 5). В аутсайдерах
регионы Дальнего Востока (Магаданская область – −21%, Амурская область – −0,1%,
Якутия – 0,6%), некоторые национальные республики (Калмыкия – −2%, Тыва – −0,6%),
регионы, соседние с Московской областью (Тверская область – −3%, Рязанская – −1,5%,
Владимирская – 0,9%) и, в меньшей степени, другие регионы Центрального и Волго-
Вятского экономических районов.
28
Рисунок 5. Восстановительная способность после кризиса 1998 г. по занятости.
Согласно модели, логарифм ВРП и зависимость экономики от экспорта позитивную роль,

широта и расстояние до Москвы – негативную.
Логарифм ВРП, очевидно, тесно связан с занятостью, поэтому его влияние может быть
подвержено эндогенности.
Зависимость экономики от экспорта, измеряемая как доля экспорта в ВРП, показывает
направленность специализации региона на мировой рынок. Наибольшая она у регионов-
производителей цветных металлов (Красноярский край – 11%, Хакасия – 3%), далее
следуют регионы-«ворота» в Россию и из нее (Ленинградская область – 3%, Москва – 2%)
и другие регионы, которые специализируются на добыче сырья или его низких переделах
(Сахалинская, Липецкая, Кемеровская, Тюменская области – по 2%).
Распределение широты и расстояния до Москвы и так очевидно, и их влияние
обусловлено более медленным ростом восточных и северных регионов по сравнению с
южными. Это связано с особыми издержками удаленности и климатического дискомфорта
в этих регионах.
29
Мировой финансовый кризис пришел в Россию в начале 2009 г. и оказал
кратковременное, но глубокое воздействие. Явных закономерностей в региональных
различиях по сопротивляемости визуально не выявлено (см. Рисунок 6), однако южные
регионы сопротивлялись несколько лучше. В лидерах Амурская и Смоленская области
(3%), в аутсайдерах – Брянская и Самарская области, Чувашия (по −4%).
Рисунок 6. Сопротивляемость к кризису 2009 г. по занятости.
Согласно модели, позитивное влияние оказывала зависимость от импорта, негативное –

более теплый климат (зима), более северная широта и большее расстояние до Москвы.
Зависимость от импорта, измеренная как отношение импорта к ВРП, наибольшая либо в
регионах-«воротах» (Калининградская область – 5%, Ленинградская область – 2%, Санкт-
Петербург – 2%), в том числе пограничных, либо в регионах, связанных с мировой
экономикой потоками товаров и инвестиций (Калужская область – 2%, Красноярский край
– 1,1%). В аутсайдерах – национальные республики (Ингушетия, Адыгея) и регионы
Севера (Коми, Архангельская область) и Сибири (Якутия, Томская область, Еврейская
автономная область). В них показатель составляет меньше 0,1%. Таким образом,
показатель зависимости от импорта характеризует одну из сторон экономического
благополучия региона и может позитивно влиять на его жизнестойкость.
30
Климатическая комфортность (оцененная средней температурой января в крупнейшем
городе региона) максимальна в регионах юга России (Дагестан – 1,2 °С, Краснодарский
край – 0,6 °С), в меньшей степени в западных регионах (Калининградская область – −1,5
°С). Самые холодные регионы расположены в Сибири: Якутия (−38,6 °С), Тыва (−28,6 °С),
Забайкальский край (−25,2 °С). Холодный климат и расположение в северных широтах
создает дополнительные издержки на отопление и нематериальные неудобства для жизни
людей, что должно негативно влиять на жизнестойкость. Их противоположный эффект
объяснить затруднительно.
Удаленность от Москвы увеличивает транспортные издержки для доступа в регион.

Четыре года экономического роста (с 2009 по 2013 гг.) привели к разным результатам. В
лидерах роста занятости оказались некоторые национальные республики (Ингушетия –
11%, Дагестан – 6%, Бурятия – 5%), Москва (4%), Санкт-Петербург (5%), несколько
экономически сильных регионов (Новосибирская область – 8%, Краснодарский край – 3%,
Тюменская область – 2%). В аутсайдерах – регионы Сибири (Курганская область – −8%,
Республика Алтай – −5%) и Дальнего Востока (Чукотский АО – −13%, Еврейская АО –
−5%), Севера (Карелия – −11%, Коми – −5%), функционально периферийные регионы
Европейской части (Брянская область – −6%, Марий Эл – −4%) (см. Рисунок 7).
31
В данной модели большое количество переменных оказались значимы, что говорит о том,
что динамика регионов подвержена влиянию разнообразных факторов.
Согласно модели, позитивное влияние оказывали большие кредитная задолженность по
отношению к ВРП, доля занятости на малых и средних предприятиях, зависимость от
экспорта, размер крупнейшего города региона, негативное – расположение в северных
широтах и расстояние до Москвы. Все структурные показатели, кроме занятости в
бытовых и прочих услугах, влияют отрицательно, что затрудняет интерпретацию
эффектов.
Кредитная задолженность (по отношению к ВРП) наибольшая в межрегиональных
центрах (Красноярский край – 45%, Ярославская область – 26%, Санкт-Петербург – 24%,
Москва – 23%, Самарская область – 21%, Новосибирская область – 19%) и регионах с
небольшим душевым ВРП (Карачаево-Черкессия – 47%, Республика Алтай – 44%). В
аутсайдерах – некоторые национальные республики (Ингушетия – 2%, Дагестан – 3%) и
регионы с высоким душевым ВРП за счет нефти и газа (Сахалинская область – 2%,
Тюменская область – 3%). Таким образом, данный показатель похож на отношение
вкладов к ВРП. Он характеризует центральность региона в финансовой системе России и
уровень его экономического развития. Исключения составляют случаи экстремально
высокого или низкого ВРП, который завышает или занижает итоговый показатель вместо
обычной корректировки на размер.
Доля занятости на малых и средних предприятиях уже обсуждалась выше. Она
характеризует диверсифицированность экономики и уровень ее развития. Зависимость от
экспорта характеризует мировую конкурентоспособность продукции региона. Больший
размер крупнейшего города дает возможность для развития агломерационного эффекта и
способствует диверсификации экономики.

Кризис 2014 г. был специфически российским, так как был вызван падением цен на нефть,
санкциями и контрсанкциями. В наименьшей степени пострадали регионы с крупными
городами (Москва – 2%, Московская область – 3%, Новосибирская – 1,5%, Санкт-
Петербург – 0,7%), развитой экономикой (Липецкая область – 2%) с одной стороны и
некоторые национальные республики (Ингушетия – 5%, Дагестан – 1,1%) – с другой (см.
Рисунок 8).
32
Рисунок 8. Сопротивляемость к кризису 2014 г. по занятости.
Согласно модели, позитивное влияние оказывает высокая доля городского населения.

Наименьшая она в национальных республиках и черноземных регионах (от 26% в
Республике Алтай до 64% в Липецкой и Орловской областях), наибольшая – в Москве,
Санкт-Петербурге (по 100%), северных (Магаданская область – 95%, Мурманская – 93%)
и промышленно развитых (Кемеровская область – 85%, Свердловская – 83%, Ярославская
– 82%, Челябинская – 81%) регионах.

После кризиса 2014 г. в российской экономике наблюдался слабый рост. Лидерами были
национальные республики (Ингушетия – 21%, Дагестан – 5%, Тыва – 4%), Томская
область (5%) и Москва (3%), аутсайдерами – функционально периферийные регионы
(Курганская область – −11%, Марий Эл – −0,1%, Псковская область – −9%, Костромская –
−8%). В числе аутсайдеров есть и другие регионы, не классифицируемые однозначно
(Саратовская область – −11%, Коми – −8%, Башкирия – −8%). В целом, северная и
центральная часть ЕТР восстанавливались хуже (см. Рисунок 9).
33
Согласно модели, позитивное влияние оказывают высокая доля наукоемкой продукции и

кредитная задолженность по отношению к ВРП, негативное – высокая широта
крупнейшего города региона.
Объяснить влияние высокой доли наукоемкой продукции затруднительно. Кредитная
задолженность (как было сказано выше), характеризует уровень развития центральных
функций в регионе. Расположение на севере создает дополнительные издержки и
нематериальные неудобства для жизни людей, а также предполагает большую
удаленность от основных центров.
3.2. Жизнестойкость по ВРП

Результаты оценки моделей представлены в Таблице 7.
Таблица 7. Результаты оценки моделей жизнестойкости по ВРП.5
5
В оценке каждой модели участвовали все 33 переменные, пропуски в таблице означают
незначимость регрессора, а не его отсутствие в модели. Стандартные ошибки опущены
34
1998
2009
2014
логарифм ВРП на душу населения
производительность основного капитала 0,703* 0,281*** 0,242***
доля научных работников 9,538* 17,693***
доля наукоемкой продукции в объем объеме

-0,00159*
промышленной продукции
объем вкладов 0,398*
кредитная задолженность 0,219*
занятость на малых и средних предприятиях -0,263* -0,437**
зависимость от экспорта 1,342* 1,170* 2,370**
зависимость от импорта 16,534**
зависимость от иностранных инвестиций -0,0975* -0,0350* -0,104***
доля сельского хозяйства в ВРП
доля рыболовства и рыбоводства в ВРП
доля добычи полезных ископаемых в ВРП
доля обрабатывающих производств в ВРП
доля производства и распределения

электроэнергии, газа и воды в ВРП
доля строительства в ВРП
доля оптовой и розничной торговли в ВРП
доля гостиниц и ресторанов в ВРП
доля транспорта и связи в ВРП
доля финансовой деятельности в ВРП -0,123**
доля операций с недвижимым имуществом в

ВРП
доля государственного управления в ВРП
доля образования в ВРП 0,0754*
доля здравоохранения в ВРП -0,0596*
доля прочих услуг в ВРП
для лучшей читаемости. Уровень значимости показан количеством звездочек (* для 0,1; **
для 0,05; *** для 0,01). Значения округлены до третьей значащей цифры.
35
диверсифицированность экономики
логарифм населения крупнейшего города

-0,0923*** 0,432**
региона
климат крупнейшего города региона 0,00591**
широта крупнейшего города региона 0,00496*
расстояние от крупнейшего города региона до

Москвы
доля городского населения в регионе
плотность автодорог -0,000124**
плотность железных дорог 0,000332** 0,000380***
константа -4,343 3,149 -4,978 3,279 0,986 0,618
Скорректированный R2
0,26 0,80 0,68 0,59 0,30 0,49
полной модели

Эффект кризиса на ВРП не имеет выраженных пространственных закономерностей, кроме
более высокой сопротивляемости северных регионов по сравнению с южными (см.
Рисунок 10).
Рисунок 10. Сопротивляемость к кризису 1998 г. по ВРП.
36
Согласно модели (см. Таблицу 7), позитивное влияние оказывают большая доля занятых в
образовании, более теплый климат, а негативное – размер крупнейшего города.
По доле ВРП в образовании лидируют национальные республики (Тыва – 12%, Алтай –
9%, Калмыкия – 8%) и регионы с редким населением (Чукотский АО – 6%). В аутсайдерах
– наиболее экономически сильные регионы (Тюменская область – 1,2%, Сахалинская –
1,5%, Москва – 1,7%). Таким образом, этот показатель свидетельствует о том, что
добавленная стоимость в коммерческих секторах небольшая, а не о том, что образование в
регионе хорошее.
Более теплый климат характерен для южных регионов, более холодный – для восточных и
северных. Больший размер крупнейшего города позволяет иметь более
диверсифицированную экономику и использовать агломерационный эффект.
Сопротивляемость к кризису 1998 г. была больше в более экономически слабых и южных
регионах.

В лидерах роста ВРП в период с 1999 по 2007 гг. Дагестан (238%), а также экономически
развитые регионы (Ленинградская область – 174%, Ростовская – 164%), однако в лидерах
есть и Архангельская область (140%), Кабардино-Балкария (122%). В аутсайдерах -
регионы Дальнего Востока (Магаданская область – 4%, Камчатский край – 11%), Севера
(Мурманская область – 24%, Коми – 40%), и промышленно развитые регионы (Хакасия –
30%, Кировская область – 38%, Удмуртия – 52%). Таким образом, рост был в основном в
самых бедных аграрных и постиндустриальных регионах, а индустриальные и удаленные
регионы росли медленнее (см. Рисунок 11).
37
Рисунок 11. Восстановительная способность после кризиса 1998 г. по ВРП.
Согласно модели, позитивное влияние оказывает более высокая производительность

основного капитала, большая зависимость от импорта и население крупнейшего города.
Производительность основного капитала была посчитана как отношение ВРП к объему
основного капитала в регионе. Лидерами являются Иркутская область (88%), Сахалинская
область (86%), Омская область (73%), Москва (70%), а также еще несколько
экономически развитых, постиндустриальных регионов (Санкт-Петербург – 64%, Томская
область – 61%, Калининградская – 57%). В аутсайдерах – промышленные регионы
(Красноярский край – 10%, Костромская область – 27%, Коми – 28%, Кировская и
Ярославская области – по 29%). При этом есть много исключений. Также наименее
развитые регионы встречаются на обоих концах спектра (Тыва – 69%, Калмыкия – 17%).
Таким образом, модель подтверждает выводы визуального анализа: быстрее
восстанавливались более богатые постиндустриальные регионы с крупными городами, а
также некоторые аграрные регионы.

Лидерами по сопротивляемости были сырьевые регионы Дальнего Востока (Чукотский
АО – 13%, Сахалинская область – 11%, Камчатский край – 5%) и национальные
38
республики (Дагестан – 9%, Адыгея – 6%, Кабардино-Балкария – 4%). В аутсайдерах –
индустриальные регионы Европейской территории России и Урала, независимо от уровня
экономического развития (Самарская область – −20%, Чувашия – −18%, Челябинская
область – −14%, Волгоградская – −13%) и Москва (−13%) (см. Рисунок 12).
Согласно модели, позитивное влияние оказывает зависимость от экспорта, а негативное –

доля наукоемкой промышленной продукции.
Региональное распределение данных показателей было описано выше. Напомним, что
зависимость от экспорта (отношение экспорта к ВРП) характеризует
конкурентоспособность региона на мировом рынке, а доля наукоемкой продукции –
исторически закрепленную промышленную специализацию региона.
Таким образом, в кризис 2009 г. в основном пострадали промышленные (и, в меньшей
степени постиндустриальные) регионы, а не аграрные и сырьевые.

В лидерах роста была разнородная группа регионов ЕТР и Урала, в основном
среднеразвитых (Астраханская область – 42%, Свердловская – 33%, Белгородская – 32%),
39
однако встречаются и национальные республики (Ингушетия – 47%, Марий Эл – 25%,
Дагестан – 24%). В аутсайдерах – регионы Сибири и Дальнего Востока (Чукотский АО –
−21%, Кемеровская область – −3%, Амурская область – −0,3%), Севера (Мурманская
область – −0,5%, Архангельская область – 4,3%) и слаборазвитые регионы (Калмыкия –
1,1%, Республика Алтай – 3%) (см. Рисунок 13).
Согласно модели, позитивное влияние оказывают производительность основного

капитала, отношение кредитов в ВРП, плотность железных дорог, негативное –
зависимость от иностранных инвестиций, более высокая доля медицинского и
финансового секторов в ВРП.
Как было сказано выше, производительность основного капитала выше в аграрных и
постиндустриальных регионах и ниже в промышленных.
Плотность железных дорог выше в плотнозаселенных регионах ЕТР, особенно в Москве и
Московской области (Росстат считает их вместе и дает 574 км на 10000 км2), регионах-
соседях Москвы (Тульская область – 369 км, Владимирская – 317 км), Черноземье
(Курская область – 354 км, Липецкая – 315 км), Поволжье (Самарская область – 255 км,
Саратовская – 227 км). В аутсайдерах – регионы Сибири и Дальнего Востока (в
40
Республике Алтай, Тыве, Чукотском АО, Магаданской области и Камчатском крае
железных дорог нет вообще).
Зависимость от иностранных инвестиций (отношение иностранных инвестиций ко всем
инвестициям в основной капитал, не является долей и может быть больше 1) связано с
уровнем развития, промышленной и сырьевой специализацией: наибольшая она в Москве
(1,56), Сахалинской области (1,21), Омской (0,94), Красноярском крае (0,68), Санкт-
Петербурге (0,49), наименьшая – в регионах юга России и национальных республиках (в
Ингушетии, Астраханской, Волгоградской и Ростовской областях иностранных
инвестиций нет).
Доля финансового сектора в ВРП повышена в экономически развитых регионах с
крупными городами (Москва – 2,4%, Московская область – 1,2%, Нижегородская – 0,9%,
Новосибирская – 0,7%, Санкт-Петербург – 0,6%), но есть большое количество
исключений (Владимирская область – 2,3%, Республика Алтай – 1,1%). Минимальна она в
большой и смешанной группе регионов, где доля меньше 0,1%.
Доля медицинского сектора является индикатором слабости экономики, как и доля
образования. Лидеры здесь национальные республики (Тыва – 12%, Алтай – 8%),
удаленные (Забайкальский край, Камчатский край, Чукотский АО – по 8%), и
экономически слаборазвитые регионы (Ивановская область – 7%). Аутсайдеры –
экономически развитые регионы (Тюменская область, Москва, Татарстан – по 2%) или
просто регионы с сильным базовым сектором (Курская область – 3%, Челябинская – 4%).
Несмотря на противоречивость выводов регрессионной модели, в целом и статистический,

и визуальный анализ показывает эндогенный характер роста. Промышленные
среднеразвитые регионы, ориентированные на внутрироссийский спрос, смогли несколько
сократить разрыв с остальными. Соответственно, наличие транспортной инфраструктуры
сыграло положительную роль.

Лидерами сопротивляемости были Чукотский АО (15%) некоторые национальные
республики (Алтай и Мордовия – 8%, Дагестан и Марий Эл – 6%) и аграрно-
индустриальные регионы (Воронежская, Тульская, Тамбовская области – 6%),
аутсайдерами – слаборазвитые регионы (Ивановская область – −10%, Забайкальский край
– −6%), однако с большим количеством исключений. Так, Москва (0,2%) и Тюменская
область (−2%) также близки к аутсайдерам (см. Рисунок 14).
41
Согласно модели, позитивное влияние оказывает большая доля ученых в занятом

населении, зависимость от экспорта, а негативное – занятость в малом и среднем бизнесе
и зависимость от иностранных инвестиций.
Наибольшая доля ученых в регионах с крупными городами (Москва – 1,26%, Санкт-
Петербург – 0,98%, Нижегородская область – 0,58%), в некоторых регионах ЕТР
(Калужская область – 0,47%, Пензенская и Тульская – 0,22%). В аутсайдерах – другие
регионы ЕТР (Костромская и Липецкая области – по 0,01%).
Таким образом, данная модель, как и визуальный анализ не сообщает однозначно, какие
регионы оказались в выигрышном положении в 2014 г.

После кризиса 2014 г. лучше всего восстанавливались относительно развитые регионы с
разным расположением и специализацией (Астраханская область – 20%, Тульская – 18%,
Камчатский край – 14%, Белгородская область – 13%). В аутсайдерах были национальные
республики (Северная Осетия – −11%, Бурятия – −4%, Калмыкия – −4%), но с некоторыми
исключениями (Волгоградская область – −8%, Самарская – −4%) (см. Рисунок 15).
42
Согласно модели, позитивное влияние оказывают производительность основного

капитала, доля занятых в науке, отношение объема вкладов к ВРП, зависимость от
экспорта, более северная широта и большая плотность железных дорог, негативное –
занятость на малых предприятиях, зависимость от иностранных инвестиций и плотность
автомобильных дорог.
Плотность автомобильных дорог похожа по пространственному распределению на
плотность железных, однако больше привязана к плотности населения. Лидируют здесь
Москва (1302 км на 1000 км2), Санкт-Петербург (1390 км), соседние с ними области
(Московская – 525 км, Калужская – 299 км), а также некоторые национальные республики
(Кабардино-Балкария – 442 км, Северная Осетия – 349 км, Чувашия – 280 км).
Результаты кажутся противоречивыми, так как некоторые показатели, связанные с
высоким уровнем развития повышают восстановительную способность, а другие –
снижают ее. Действительно, объяснить данные закономерности затруднительно.
Визуальный анализ также не обнаруживает существенных отличий между лидерами и
аутсайдерами.
43
3.3. Обсуждение результатов
Основные результаты работы представлены в Таблице 6. Более подробно они
представлены в Приложении 2.
Таблица 8. Основные параметры, влияющие на региональную жизнестойкость6.

Занятость ВРП Общие факторы
~
диверсифицированность
визуальный
экономики (+), размер -
анализ
крупнейшего города (+),
удаленность (-)
промышленная
специализация (-), -
1998
развитость финансовой
регрессионный системы (+), уровень развития (-),
анализ межрегиональная агломерационный эффект (-)
центральность (+),
диверсифицированность
экономики (+)
уровень развития (±
медленнее росли
прирост населения (+), среднеразвитые),
столичность (+), промышленная
анализ
удаленность (-) специализация (-), уровень развития (+),
Восстановительная ориентированность на мировая
способность 1998 экспорт (+), удаленность (-) конкурентоспособность
промышленная (+), удаленность (-)
уровень развития (+),
специализация (-),
регрессионный мировая
связанность с мировым
анализ конкурентоспособность
рынком (+),
(+), удаленность (-)
агломерационный эффект (+)
удаленность (+), сырьевая
специализация (+),
- промышленная
анализ
специализация (-), уровень некоторая связанность
развития (-) с мировым рынком (+),
2009
мировая ~ уровень развития (+)
связанность с мировым
регрессионный конкурентоспособность (+),
рынком (+),
анализ промышленная
специализация (-)
Восстановительная визуальный прирост населения (+), среднеразвитость (+), уровень развития (+),
6
Знак (+) означает, что параметр повышает жизнестойкость, знак (-) означает, что
параметр понижает жизнестойкость. Знак ~ означает, что параметр выражен не четко.
44
способность 2009 анализ уровень развития (+), прирост населения (+), прирост населения (+)
удаленность (-), удаленность (-), уровень
периферийность (-) развития (+)
развитость финансовой
системы (+),
межрегиональная уровень развития (+),
регрессионный центральность (+), связанность с мировым
анализ диверсифицированность рынком (-), развитость
экономики (+), мировая инфраструктуры (+)
конкуреноспособность
визуальный уровень развития (+),
-
анализ прирост населения (+)
научный потенциал (+),
агломерационный
Сопротивляемость ~ уровень развития (+), мировая
эффект (+), ~ сырьевая
2014 регрессионный промышленная и конкурентоспособность (+),
специализация (+)
анализ сервисная предпринимательская
специализация (+) активность (-), связанность с
мировым рынком (-)
визуальный ~ прирост населения
уровень развития (+)
анализ (+), периферийность (-)
специализация (+),
Восстановительная развитость финансовой
способность 2014 регрессионный системы (+), ~ уровень развития (+),
анализ межрегиональная сырьевая специализация (+)
центральность (+),
расположенность на
юге России (+)

Для кризиса 1998 г. сопротивляемость по занятости и по ВРП имела противоположные
факторы. Занятость росла в более центральных, развитых и диверсифицированных
регионах, а ВРП – в слаборазвитых регионах без крупных городов. Предположим, что
рост занятости в привлекательных по абсолютному уровню развития регионах обусловлен
миграционным притоком или естественным приростом населения (а падение в удаленных
– миграционным оттоком). Шоковые миграции 1990-х гг., таким образом, полностью
перекрыли противоположную динамику ВРП, обусловленную, вероятно, эффектом низкой
базы в экономически отсталых регионах.
45
Восстановлением после кризиса 1998 г. назван быстрый экономический рост 2000-х гг.
Здесь выделяются общие факторы: быстрее росли более развитые, ориентированные на
экспорт и менее удаленные регионы. Это влияние частично может быть обусловлено
эндогенностью, так как регрессоры были взяты по данным на 2007 г., однако очевидно,
что эти факторы являются значимыми: рост происходил в более развитых регионах и этим
усиливал неравенство.
При этом ВРП как индикатор позволяет увидеть дополнительные факторы
жизнестойкости. Так, в этот период промышленная специализация региона и его
среднеразвитость не позволяла расти быстро.

Показатель занятости с трудом позволяет отследить различия в сопротивляемости к
кризису 2009 г., при этом включенность в мировую экономику сточки зрения импорта
давала преимущества. Жизнестойкость по ВРП в целом не противоречит, но подчеркивает
другие стороны: более высокий уровень развития, сырьевую экспортную
специализацию.

После кризиса 2009 г. развитые регионы и регионы с приростом населения росли как по
занятости, так и по ВРП. Однако теперь связь с мировым рынком либо перестает играть
роль, либо даже влияет негативно (зависимость от иностранных инвестиций снижает
восстановительную способность по ВРП). Это может быть связано с переходом на
медленный рост за счет внутренних драйверов и с сокращением разрыва между
экспортными и внутренними секторами и регионами.

Наилучшую сопротивляемость показывали крупные агломерации и сырьевые регионы,
однако факторы выглядят нечетко. Динамика ВРП объясняется противоречивыми
показателями, так как индикаторы высокого уровня развития влияют как в
положительную (научный потенциал, конкурентоспособность на мировом рынке), так и в
отрицательную (предпринимательская активность, активность импорта) стороны.
46
Факторы восстановительной способности здесь самые нечеткие. Однозначно можно
выделить только роль высокого уровня развития регионов, при этом динамика занятости
положительна в южных регионах с демографическим ростом, а факторы динамики ВРП
противоречивы и позволяют только приблизительно выявить параметры
жизнестойкости.
Сравнение занятости и ВРП как индикаторов жизнестойкости

Занятость искажается естественным приростом населения и миграциями, так как при
росте населения занятость при прочих равных условиях растет быстрее. Поэтому
динамика ВРП лучше отражает экономическую ситуацию в регионе. Тем более (а
возможно в связи с отсутствием упомянутого искажения), он позволяет выявить факторы
более подробно.
Анализ выбросов
Согласно методологии, выбросом признавалось наблюдение со стьюденизированным
остатком, расстоянием Кука или DFFIT, превышающими пороговый уровень решающего
правила. Для стьюденизированного остатка этот уровень равен 2, для расстояния Кука –
4/N = 4/79 ≈ 0,0506 , для DFFIT – 2/√(K/N) = 2/√(33/79) ≈ 3,09, где N – число наблюдений,
K – число регрессоров.
Превышение порога свидетельствует о больших отличиях показателей данного региона от
остальных и может использоваться как мера “непохожести” региона.
Наиболее типичными оказались регионы ЕТР и Урала (участие в 10 – 12 моделях из 12),
несколько менее типичными – регионы Сибири и Юга ЕТР (8 – 10), наименее типичными
– некоторые регионы Сибири и Дальнего Востока, Владимирская и Калининградская
области, Ингушетия (3 – 7) (см. Рисунок 16).
47
Рисунок 16. Участие регионов в регрессионных моделях.
48
Выводы
По результатам работы можно сделать следующие выводы:
1. Для российских регионов существуют стандартные факторы жизнестойкости,
которые значимы в большинстве рассмотренных случаев: более высокий уровень
экономического развития (4 – 5 случаев из 6), экспортная сырьевая
специализация (3 – 4 случая из 6).
2. Развитые регионы меньше страдают от шоков и легче восстанавливаются,
поэтому межрегиональное неравенство может увеличиваться.
3. Включенность в мировую экономику как в виде импорта и инвестиций, так тем
более в виде экспорта увеличивает жизнестойкость в российских условиях
(вопреки теории), так как показывает не зависимость экономики, а высокий
уровень развития и/или мировую конкурентоспособность региона. Также можно
предположить, что для менее развитой экономики России логистические и
сырьевые отрасли являются жизнестойкими.
4. Большие изменения индикаторов (восстановительная способность после кризиса
1998 г., и, в меньшей степени, после кризиса 2009 г.) имеют более четко
определяемые факторы, чем небольшие.
5. Занятость подвержена влиянию демографической ситуации в регионе, поэтому
хуже отражает экономическую динамику, чем душевой ВРП. При этом, несмотря
на отсутствие корреляции, факторы жизнестойкости по этим индикаторам имеют
сходства.
49
Список литературы
1. Бабурин, В. Л., Бадина, С. В., Горячко, М. Д., Земцов, С. П., & Колтерманн, К. П.
(2016). Оценка уязвимости социально-экономического развития Арктической
территории России. Вестник Московского университета.
2. Бланшар, О. (2010). Макроэкономика. (Л. Л. Любимов, Перев.) Издательство
Высшей Школы Экономики.
3. Голик, Д. В. (2017). Отличительные особенности российского рынка труда.
Молодой ученый , 34, 20-23.
4. Замятина, Н., Котов, Е., Гончаров, Р., Бурцева, А., Гребенец, В., Медведков, А., и
др. (2021). Разнообразие городов Российской Арктики в контексте потенциала
жизнестойкости: комплексный подход [в печати]. Ветсник Московского
университета.
5. Климанов, В., Михайлова, А., & Казакова, С. (2018). Региональная резильентность:
теоретические основы постановки вопроса. Экономическая политика , 6.
6. Ландсбург, С. (2012). Экономист на диване: экономическая наука и повседневная
жизнь. (Л. Гончарова, Перев.) Издательство Института Гайдара.
7. Медведков, А., Куракова, А., Поляченко, А., Шамало, И., & Евсеева, Т. (2019).
Рабочие материалы по проекту РФФИ 18-05-60088: Обзор подходов к оценке
устойчивости и жизнестойкости арктических городов. МГУ имени М. В.
Ломоносова.
8. Поляченко, А. Е. (2020). Факторы жизнестойкости регионов и городов российской
и зарубежной Арктики (выпускная квалификационная работа).
9. Райнерт, Э. (2020). Как богатые страны стали богатыми, и почему бедные страны
остаются бедными. Издательский Дом ВШЭ.
10. Сторпер, М. (2018). Ключи от города: Как устроено развитие? М.: Strelka Press.
11. Фоминова, А. Н. (2012). Жизнестойкость личности. Москва: Прометей.
12. Ясин, Е. Г. (Ред.). (2019). Российская экономика (дистанционный курс).
13. Ahern, J. F. (2011). From fail-safe to safe-to-fail: sustainability and resilience in the new
urban world. Landscape Architecture & Regional Planning, Studio and Student Research
and Creative Activity.
14. Arup International Development. (2018). City Resilience Index.
15. Bakhtiari, S., & Sajjadieh, F. (2018). Theoretical and Empirical Analysis of Economic
Resilience Index. Iranian Journal of Economic Studies , 7, 41-53.
50
16. Boschma, R. (2014). Towards an evolutionary perspective on regional resilience. Lund
University, Centre for Innovation, Research and Competence in the Learning Economy
(CIRCLE), Lund.
17. Briguglio, L., Cordina, G., Farrugia, N., & Vella, S. (2009). Economic Vulnerability and
Resilience: Concepts and Measurements. Oxford Development Studies , 37, 229-247.
18. Campanella, T. J. (2006). Urban Resilience and the Recovery of New Orleans. Journal of
the American Planning Association , 141 - 146.
19. Cellini, R., Caro, P. D., & Torrisi, G. (2014). Regional resilience in Italy: do employment
and income tell the same story? Munich Personal RePEc Archive.
20. Cimellaro, G. P., Solari, D., & Bruneau, M. (2014). Physical infrastructure
interdependency and regional resilience index after the 2011 Tohoku Earthquake in
Japan. Earthquake Engineering & Structural Dynamics .
21. Cowell, M. (2013). Bounce back or move on: regional resilience and economic
development planning. Cities , 30, 212-222.
22. Cumming, G. S., Barnes, G., Perz, S., Schmink, M., Sieving, K. E., Southworth, J., и др.
(2005). An Exploratory Framework for the Empirical Measurement of Resilience.
Ecosystems , 8, 975–987.
23. Fingleton, B., Garretsen, H., & Martin, R. (2011). Recessionary Shocks and Regional
Employment: Evidence on the Resilience of UK Regions. Journal of Regional Science .
24. Fingleton, B., Garretsen, H., & Martin, R. (2015). Shocking aspects of monetary union:
the vulnerability of regions in Euroland. Journal of Economic Geography , 907–934.
25. Folke, C. C. (2003). Navigating social-ecological systems: Building resilience for
complexity and change. Кембридж: Cambridge University Press.
26. Foster, K. A. (2007). A case study approach to understanding regional resilience.
Working Paper, University at Buffalo Regional Institute .
27. Giannakis, E., & Bruggeman, A. (2015). Economic crisis and regional resilience:
Evidence from Greece. Papers in Regional Science .
28. Holling, C. (1973). Resilience and Stability of Ecological Systems. Annual Review of
Ecology and Systematics , 4, 1-23.
29. Klimanov, V., Kazakova, S., & Mikhaylova, A. (2020). Economic and Fiscal Resilience
of Russia's Regions. Regional Science, Policy and Practice , 12, 627– 640.
30. Kofinas, G., Clark, D., & Hovelsrud, D. (2013). Adaptive and transformative capacity //
//Arctic Council. Arctic Resilience Interim Report. Stockholm Environment Institute and
Stockholm Resilience Centre, Стокгольм.
51
31. Leichenko, R. (2011). Climate change and urban resilience. Current opinion in
environmental sustainability , стр. 164 - 168.
32. Lu, P., & Stead, D. (2013). Understanding the notion of resilience in spatial planning: A
case study of Rotterdam, The Netherlands. Cities , 35, 200-212.
33. Martin, R. (2012). Regional economic resilience, hysteresis and recessionary shocks.
Journal of Economic Geography , 1–32.
34. Martin, R. (2018). The Resilience of Cities to Economic Shocks: A Tale of Four
Recessions (and Brexit!). Корк.
35. Martin, R., & Sunley, P. (2015). On the Notion of Regional Economic Resilience:
Conceptualisation and Explanation . Journal of Economic Geography .
36. Marzi, S. J., Mysiak, Essenfelder, A. H., Amadio, M., Giove, S., & Fekete, A. (2019).
Constructing a comprehensive disaster resilience index: The case of Italy. PLoS ONE .
37. Simmie, J., & Martin, R. (2009). The economic resilience of regions: towards an
evolutionary approach. Cambridge Journal of Regions, Economy and Society .
38. Swanstrom, T. (2008). Regional resilience: A critical examination of the ecological
framework. Working Paper, University of California, Institute of Urban and Regional
Development (IURD) , Berkeley.
39. Tol, R., & Yohe, G. (2007). The weakest link hypothesis for adaptive capacity: an
empirical. Global Environmental Change , 17 (2), 218 - 227.
52
Приложение 1. Корреляционная матрица показателей
infr_zhddens
str_hhindex
dep_import
dep_export
str_mining
pred_obor
str_manuf
pred_num
pred_emp
str_drserv
infr_rasst
longitude
infr_dens
str_const
str_trade
str_trans
fin_cred
lpopcity
infr_urb
sci_pers
sci_cost
str_med
str_com
str_real
latitude
str_gov
str_rest
sci_pat
str_ryb
fin_vk
str_fin
lgrppc
dep_fi
sci_sh
str_ag
str_ed
grppc
prod
lpop
clim
lgrp
lpop 1,0
lgrp 0,9 1,0
grppc 0,1 0,6 1,0
lgrppc 0,2 0,6 0,9 1,0
prod 0,2 0,4 0,5 0,5 1,0
sci_pers 0,5 0,6 0,4 0,4 0,3 1,0
sci_cost 0,4 0,3 0,0 0,0 0,0 0,7 1,0
sci_pat 0,5 0,5 0,2 0,2 0,3 0,8 0,5 1,0
sci_sh 0,2 0,1 -0,1 0,0 -0,1 0,0 0,1 0,2 1,0
fin_vk 0,3 0,1 -0,1 -0,2 -0,2 0,3 0,6 0,3 0,1 1,0
fin_cred 0,1 0,0 -0,2 -0,2 -0,1 0,2 0,3 0,2 0,2 0,5 1,0
pred_nu 0,3 0,4 0,3 0,4 0,4 0,7 0,4 0,5 0,0 0,3 0,2 1,0
m
pred_e 0,4 0,5 0,3 0,4 0,3 0,7 0,4 0,5 0,1 0,3 0,1 0,8 1,0
mp
pred_ob 0,4 0,3 -0,2 -0,1 0,0 0,3 0,5 0,3 0,2 0,6 0,3 0,5 0,6 1,0
or
dep_exp 0,2 0,2 0,1 0,0 -0,1 0,1 0,4 0,1 -0,1 0,6 0,3 0,1 0,1 0,3 1,0
ort
dep_im 0,1 0,1 0,0 0,1 0,2 0,2 0,2 0,1 0,1 0,2 0,3 0,6 0,5 0,6 0,2 1,0
port
dep_fi 0,2 0,4 0,5 0,5 0,5 0,5 0,3 0,4 0,0 0,3 0,1 0,4 0,4 0,1 0,4 0,2 1,0
- - - - -
str_ag -0,2 -0,5 -0,5 -0,7 -0,3 -0,4 -0,3 -0,3 0,0 -0,2 0,2 -0,4
0,4 0,2 0,3 0,2 0,4
1,0
- -
str_ryb -0,3 -0,1 0,2 0,2 0,0 0,0 0,0 -0,2 -0,1 0,0 -0,2 0,1 0,0
0,1
0,0 0,0 0,0
0,3
1,0
str_mini 0,0 0,3 0,6 0,6 0,3 -0,1 -0,2 -0,1 0,0 -0,2 -0,2 0,1 0,0
-
0,1 0,0 0,2
-
0,1 1,0
0,2 0,3
ng
str_man 0,4 0,3 -0,2 -0,1 -0,1 0,1 0,3 0,2 0,2 0,5 0,3 0,0 0,2 0,4 0,4 0,1 0,2
- - -
1,0
0,2 0,2 0,3
uf
- - - - - - -
str_com -0,4 -0,3 -0,1 0,0 -0,2 -0,2 0,0 -0,2 0,0 0,1 0,0 -0,1
0,1 0,1 0,1
0,0
0,1 0,1
0,1
0,1 0,1
1,0
str_cons -0,2 -0,2 0,0 -0,1 0,0 -0,2 -0,2 -0,3 0,0 -0,3 -0,1 -0,1
- - -
0,0
-
0,2
-
0,0
- -
1,0
0,1 0,2 0,1 0,1 0,2 0,3 0,1
t
str_trad 0,5 0,4 0,0 0,0 0,1 0,6 0,3 0,5 0,1 0,1 0,1 0,3 0,4 0,3
-
0,2 0,2 0,0
- -
0,0
- -
1,0
0,2 0,1 0,4 0,2 0,2
e
- - - - -
str_rest 0,3 0,2 -0,2 -0,1 -0,1 0,1 0,1 0,1 -0,1 0,1 0,0 0,1 0,2 0,3
0,1
0,1
0,1
0,0 0,1
0,3 0,1 0,1
0,0 0,4 1,0
- - - - - - - -
str_trans 0,0 0,0 -0,1 0,0 -0,2 0,0 -0,1 -0,1 -0,1 -0,1 -0,3 0,0
0,1 0,1 0,1 0,1 0,2 0,1
0,0
0,3 0,2
0,0 0,0 0,1 0,2 1,0
- - - - - -
str_fin 0,4 0,4 0,3 0,3 0,3 0,6 0,4 0,5 0,0 0,2 0,2 0,4 0,5 0,2 0,0 0,2 0,4
0,2 0,1 0,1
0,1
0,1 0,1
0,4 0,1
0,1
1,0
- - - - -
str_real 0,5 0,5 0,3 0,3 0,2 0,8 0,5 0,7 0,1 0,3 0,1 0,6 0,6 0,4 0,0 0,2 0,3
0,4 0,1 0,1
0,1
0,1 0,3
0,5 0,2 0,0 0,5 1,0
- - - - - - - - - - -
str_gov -0,7 -0,8 -0,3 -0,4 -0,1 -0,3 -0,2 -0,4 -0,2 -0,2 -0,1 -0,3
0,4 0,3 0,3 0,1 0,3
0,3 0,3
0,2 0,5
0,2 0,3
0,2 0,2
0,0
0,2 0,4
1,0
- - - - - - - - - -
str_ed -0,6 -0,7 -0,4 -0,5 0,0 -0,3 -0,2 -0,2 -0,2 -0,2 0,0 -0,3
0,4 0,2 0,3 0,1 0,3
0,5 0,1
0,3 0,5
0,1 0,1
0,1
0,0 0,0
0,2 0,3
0,8 1,0
- - - - - - - - - -
str_med -0,6 -0,7 -0,3 -0,4 -0,1 -0,3 -0,2 -0,2 -0,2 -0,2 -0,1 -0,2
0,3 0,2 0,3 0,1 0,3
0,3 0,2
0,3 0,5
0,2 0,0
0,2
0,0 0,1
0,2 0,3
0,8 0,9 1,0
str_drse 0,0 0,0 0,0 0,0 0,1 0,5 0,2 0,4 0,0 0,3 0,1 0,6 0,5 0,4
-
0,4 0,2
-
0,1
- -
0,0
-
0,5 0,3 0,1 0,4 0,5 0,1 0,2 0,2 1,0
0,2 0,1 0,4 0,1 0,2
rv
str_hhin 0,3 0,4 0,6 0,4 0,2 0,1 0,1 0,1 -0,1 0,1 0,0 0,0 0,1 0,0 0,5 0,0 0,5
- -
0,4 0,3
-
0,0
- - -
0,2 0,0
- - - -
1,0
0,3 0,1 0,3 0,1 0,2 0,3 0,4 0,5 0,5 0,3
dex
- - - - - - - -
lpopcity 0,9 0,8 0,2 0,2 0,2 0,6 0,5 0,7 0,1 0,3 0,1 0,5 0,6 0,4 0,2 0,2 0,3
0,3 0,2 0,1
0,4
0,3 0,2
0,5 0,2 0,0 0,4 0,6
0,7 0,5 0,6
0,2 0,2 1,0
- - - - - - - - -
clim 0,2 0,0 -0,3 -0,3 -0,1 0,1 0,1 0,0 0,1 0,1 0,2 0,1 0,1 0,3
0,1
0,2
0,1
0,3
0,1 0,2
0,2
0,2
0,2 0,2 0,3
0,4
0,0 0,0
0,1 0,1 0,2
0,1 0,0 0,2 1,0
- - - - - - - -
latitude 0,0 0,2 0,3 0,5 0,0 0,2 0,2 0,2 0,1 0,2 0,0 0,2 0,2 0,1 0,1 0,1 0,2
0,6
0,1 0,1 0,3 0,2
0,3 0,1 0,2
0,0 0,1 0,2
0,2 0,3 0,1
0,1 0,1 0,1
0,4
1,0
longitug -0,4 -0,2 0,3 0,3 0,2 -0,1 -0,1 -0,2 -0,2 -0,1 -0,2 0,0
- -
0,1
-
0,1
-
0,5 0,2
-
0,3 0,0
- -
0,3
- -
0,3 0,2 0,3
-
0,0
- -
0,0 1,0
0,2 0,2 0,2 0,2 0,5 0,3 0,2 0,1 0,1 0,1 0,4 0,7
e
infr_ras -0,5 -0,2 0,3 0,3 0,2 -0,2 -0,1 -0,3 -0,2 -0,1 -0,2 0,0
- -
0,0
-
0,1
-
0,6 0,2
-
0,3 0,1
- -
0,2
- -
0,4 0,2 0,4 0,0
- - -
0,0 1,0 1,0
0,2 0,2 0,1 0,2 0,5 0,2 0,1 0,1 0,2 0,1 0,4 0,6
st
53
- - - - - -
infr_urb 0,3 0,6 0,4 0,6 0,2 0,5 0,4 0,4 0,0 0,4 -0,1 0,5 0,5 0,3 0,2 0,2 0,4
0,8
0,2 0,2 0,3 0,1
0,4
0,2 0,0 0,0 0,3 0,5
0,4 0,6 0,4
0,2 0,2 0,5
0,1
0,5 0,1 0,1 1,0
infr_den 0,4 0,4 0,1 0,1 0,3 0,7 0,4 0,6 0,1 0,3 0,3 0,6 0,6 0,3 0,0 0,4 0,4
- - -
0,1
-
0,0 0,6 0,2
-
0,5 0,5
- - -
0,6 0,1 0,5 0,4 0,0
- -
0,3 1,0
0,1 0,2 0,2 0,1 0,2 0,2 0,1 0,2 0,4 0,4
s
infr_zhd 0,4 0,4 0,0 0,0 0,1 0,5 0,3 0,4 0,2 0,2 0,2 0,4 0,5 0,4 0,0 0,5 0,2
- - -
0,3 0,0
-
0,5 0,1
-
0,4 0,4
- - -
0,3 0,1 0,6 0,5 0,0
- -
0,3 0,7 1,0
0,1 0,3 0,2 0,1 0,1 0,4 0,4 0,4 0,6 0,5
dens
54
Приложение 2. Корреляционная матрица показателей,
вошедших в регрессионную модель
infr_zhddens
str_hhindex
dep_import
dep_export
str_mining
str_manuf
pred_emp
str_drserv
infr_rasst
infr_dens
str_const
str_trade
str_trans
fin_cred
lpopcity
infr_urb
sci_pers
str_med
str_com
str_real
latitude
str_gov
str_rest
str_ryb
fin_vk
str_fin
lgrppc
dep_fi
sci_sh
str_ag
str_ed
prod
clim
lgrppc 1,0
prod 0,5 1,0
sci_pers 0,4 0,3 1,0
sci_sh 0,0 -0,1 0,0 1,0
fin_vk -0,2 -0,2 0,3 0,1 1,0
fin_cred -0,2 -0,1 0,2 0,2 0,5 1,0
pred_emp 0,4 0,3 0,7 0,1 0,3 0,1 1,0
dep_export 0,0 -0,1 0,1 -0,1 0,6 0,3 0,1 1,0
dep_import 0,1 0,2 0,2 0,1 0,2 0,3 0,5 0,2 1,0
dep_fi 0,5 0,5 0,5 0,0 0,3 0,1 0,4 0,4 0,2 1,0
str_ag -0,7 -0,3 -0,4 0,0 -0,2 0,2 -0,4 -0,3 -0,2 -0,4 1,0
str_ryb 0,2 0,0 0,0 -0,1 0,0 -0,2 0,0 0,0 0,0 0,0 -0,3 1,0
str_mining 0,6 0,3 -0,1 0,0 -0,2 -0,2 0,0 0,1 0,0 0,2 -0,3 0,1 1,0
str_manuf -0,1 -0,1 0,1 0,2 0,5 0,3 0,2 0,4 0,1 0,2 -0,2 -0,2 -0,3 1,0
str_com 0,0 -0,2 -0,2 0,0 0,1 0,0 -0,1 -0,1 0,0 -0,1 -0,1 0,1 -0,1 -0,1 1,0
str_const -0,1 0,0 -0,2 0,0 -0,3 -0,1 -0,1 -0,1 0,0 -0,1 0,2 -0,2 0,0 -0,3 -0,1 1,0
str_trade 0,0 0,1 0,6 0,1 0,1 0,1 0,4 -0,2 0,2 0,2 0,0 -0,1 -0,4 0,0 -0,2 -0,2 1,0
str_rest -0,1 -0,1 0,1 -0,1 0,1 0,0 0,2 -0,1 0,1 -0,1 0,0 0,1 -0,3 -0,1 -0,1 0,0 0,4 1,0
str_trans 0,0 -0,2 0,0 -0,1 -0,1 -0,3 -0,1 -0,1 -0,1 -0,2 -0,1 0,0 -0,3 -0,2 0,0 0,0 0,1 0,2 1,0
str_fin 0,3 0,3 0,6 0,0 0,2 0,2 0,5 0,0 0,2 0,4 -0,2 -0,1 -0,1 0,1 -0,1 -0,1 0,4 0,1 -0,1 1,0
str_real 0,3 0,2 0,8 0,1 0,3 0,1 0,6 0,0 0,2 0,3 -0,4 -0,1 -0,1 0,1 -0,1 -0,3 0,5 0,2 0,0 0,5 1,0
str_gov -0,4 -0,1 -0,3 -0,2 -0,2 -0,1 -0,4 -0,3 -0,1 -0,3 0,3 0,3 -0,2 -0,5 0,2 0,3 -0,2 -0,2 0,0 -0,2 -0,4 1,0
str_ed -0,5 0,0 -0,3 -0,2 -0,2 0,0 -0,4 -0,3 -0,1 -0,3 0,5 0,1 -0,3 -0,5 0,1 0,1 -0,1 0,0 0,0 -0,2 -0,3 0,8 1,0
str_med -0,4 -0,1 -0,3 -0,2 -0,2 -0,1 -0,3 -0,3 -0,1 -0,3 0,3 0,2 -0,3 -0,5 0,2 0,0 -0,2 0,0 0,1 -0,2 -0,3 0,8 0,9 1,0
str_drserv 0,0 0,1 0,5 0,0 0,3 0,1 0,5 -0,2 0,4 0,2 -0,1 0,1 -0,4 -0,1 0,0 -0,2 0,5 0,3 0,1 0,4 0,5 0,1 0,2 0,2 1,0
str_hhinde 0,4 0,2 0,1 -0,1 0,1 0,0 0,1 0,5 0,0 0,5 -0,3 -0,1 0,4 0,3 -0,3 0,0 -0,1 -0,2 -0,3 0,2 0,0 -0,4 -0,5 -0,5 -0,3 1,0
x
lpopcity 0,2 0,2 0,6 0,1 0,3 0,1 0,6 0,2 0,2 0,3 -0,3 -0,2 -0,1 0,4 -0,3 -0,2 0,5 0,2 0,0 0,4 0,6 -0,7 -0,5 -0,6 0,2 0,2 1,0
clim -0,3 -0,1 0,1 0,1 0,1 0,2 0,1 -0,1 0,2 -0,1 0,3 -0,1 -0,2 0,2 -0,2 0,2 0,2 0,3 -0,4 0,0 0,0 -0,1 -0,1 -0,2 0,1 0,0 0,2 1,0
latitude 0,5 0,0 0,2 0,1 0,2 0,0 0,2 0,1 0,1 0,2 -0,6 0,1 0,1 0,3 0,2 -0,3 -0,1 -0,2 0,0 0,1 0,2 -0,2 -0,3 -0,1 0,1 0,1 0,1 -0,4 1,0
infr_rasst 0,3 0,2 -0,2 -0,2 -0,1 -0,2 -0,2 0,0 -0,1 0,1 -0,2 0,6 0,2 -0,5 0,3 0,1 -0,2 -0,1 0,2 -0,1 -0,2 0,4 0,2 0,4 0,0 -0,1 -0,4 -0,6 0,0 1,0
infr_urb 0,6 0,2 0,5 0,0 0,4 -0,1 0,5 0,2 0,2 0,4 -0,8 0,2 0,2 0,3 0,1 -0,4 0,2 0,0 0,0 0,3 0,5 -0,4 -0,6 -0,4 0,2 0,2 0,5 -0,1 0,5 0,1 1,0
infr_dens 0,1 0,3 0,7 0,1 0,3 0,3 0,6 0,0 0,4 0,4 -0,1 -0,2 -0,2 0,1 -0,1 0,0 0,6 0,2 -0,2 0,5 0,5 -0,2 -0,1 -0,2 0,6 0,1 0,5 0,4 0,0 -0,4 0,3 1,0
infr_zhdde 0,0 0,1 0,5 0,2 0,2 0,2 0,5 0,0 0,5 0,2 -0,1 -0,3 -0,2 0,3 0,0 -0,1 0,5 0,1 -0,1 0,4 0,4 -0,4 -0,4 -0,4 0,3 0,1 0,6 0,5 0,0 -0,5 0,3 0,7 1,0
ns
55
Приложение 2. Основные показатели и параметры, влияющие
на региональную жизнестойкость
Занятость ВРП Общие факторы

~ диверсифицированность экономики (+),
размер крупнейшего города (+), -
Сопротивляемость 1998
анализ
специализация (-),
доля наукоемкой развитость
-
продукции (-), финансовой системы уровень развития (-),
регрессионный
объем вкладов (+), (+), агломерационный
анализ
занятость в МСП межрегиональная эффект (-) уровень развития
(+) центральность (+), (-),
диверсифицированно агломерационный
сть экономики (+) эффект (-)
уровень развития (± медленнее росли
визуальный прирост населения (+), столичность (+), среднеразвитые), промышленная
анализ удаленность (-) специализация (-), ориентированность на

экспорт (+), удаленность (-) уровень развития

промышленная (+), мировая
ВРП (+),
уровень развития (+), специализация (-), конкурентоспособн
зависимость от доля ВРП в
мировая связанность с ость (+),
регрессионный экспорта (+), образовании (+),
конкурентоспособно мировым рынком удаленность (-)
анализ широта (-), широта (-), размер
сть (+), удаленность (+),
расстояние до крупнейшего города (-)
(-) агломерационный
Москвы (-)
эффект (+)
удаленность (+), сырьевая специализация
- (+), промышленная специализация (-),

анализ
уровень развития (-) некоторая
зависимость от связанность с
2009
импорта (+), зависимость от мировая мировым рынком

связанность с
регрессионный теплый климат (-), экспорта (+), доля конкурентоспособ (+), ~ уровень
мировым рынком
анализ широта (-), наукоемкой продукции ность (+), развития (+)
расстояние до (-) промышленная
Москвы (-) специализация (-)
визуальный прирост населения (+), уровень развития среднеразвитость (+), прирост населения
анализ (+), удаленность (-), периферийность (-) (+), удаленность (-), уровень развития (+)
кредитная развитость производительность
задолженность (+), финансовой системы основного капитала

занятость в МСП (+), (+), кредитная

(+), зависимость от межрегиональная задолженность (+), уровень развития
экспорта (+), центральность (+), плотность железных (+), прирост
регрессионный
размер диверсифицированно дорог (+), зависимость уровень развития населения (+)
анализ
крупнейшего сть экономики (+), от иностранных (+), связанность с
города региона (+), мировая инвестиций (-), доля мировым рынком
широта (-), конкуреноспособнос медицинского (-) и (-), развитость
расстояние до ть (+), удаленность (- финансового (-) инфраструктуры
Москвы (-) ) секторов в ВРП (+)
визуальный уровень развития (+), прирост населения
-
анализ (+)
Сопротивляемость 2014
научный
доля ученых в занятом
потенциал (+),
населении (+),
мировая агломерационный
~ уровень развития конкурентоспособ эффект (+), ~
экспорта (+), занятость
регрессионный доля городского (+), промышленная и ность (+), сырьевая
в малом и среднем
анализ населения (+) сервисная предпринимательс специализация (+)
бизнесе (-),
специализация (+) кая активность (-),
связанность с
иностранных
мировым рынком
инвестиций (-)
(-)
визуальный ~ прирост населения (+), периферийность
анализ (-)
промышленная производительность
специализация (+), основного капитала

высокая доля
развитость (+), доля занятых в
наукоемкой уровень развития
финансовой системы науке (+), объем ~ уровень развития
регрессионный продукции (+), (+)
(+), вкладов (+), (+), сырьевая
анализ кредитная
межрегиональная зависимость от специализация (+)
задолженность (+),
центральность (+), экспорта (+), широта
широта (-)
расположенность на (+), плотность
юге России (+) железных дорог (+),
56
занятость в МСП (-),
иностранных
инвестиций (-),
плотность
автомобильных дорог
(-)
57
Приложение 3. Код на Stata
corr lpop lgrp grppc lgrppc inv prod sci_pers sci_cost sci_pat sci_sh fin_vk fin_cred pred_num pred_emp pred_obor dep_export dep_import
dep_fi str_ag str_ryb str_mining str_manuf str_com str_const str_trade str_rest str_trans str_fin str_real str_gov str_ed str_med str_drserv
str_hhindex popcity lpopcity clim latitude longitude infr_rasst infr_urb infr_dens infr_zhddens
corr sci_pers sci_cost sci_pat sci_sh // sci_pers, sci_sh
corr fin_vk fin_cred
corr pred_num pred_emp pred_obor // pred_emp
corr dep_export dep_import dep_fi
corr str_ag str_ryb str_mining str_manuf str_com str_const str_trade str_rest str_trans str_fin str_real str_gov str_ed str_med str_drserv
str_hhindex
corr lpop lgrp grppc lgrppc inv popcity lpopcity // lpopcity
corr lgrp grppc lgrppc inv prod dep_export dep_import dep_fi
corr popcity lpopcity clim latitude longitude infr_rasst infr_urb infr_dens infr_zhddens /// -longitude
corr lgrppc prod sci_pers sci_sh fin_vk fin_cred pred_emp dep_export dep_import dep_fi str_ag str_ryb str_mining str_manuf str_com str_const
str_trade str_rest str_trans str_fin str_real str_gov str_ed str_med str_drserv str_hhindex lpopcity clim latitude infr_rasst infr_urb infr_dens
infr_zhddens
*******************************
// Employment
reg Ye_res_98 lgrppc prod sci_pers sci_sh fin_vk fin_cred pred_emp dep_export dep_import dep_fi str_ag str_ryb str_mining str_manuf str_com
str_const str_trade str_rest str_trans str_fin str_real str_gov str_ed str_med str_drserv str_hhindex lpopcity clim latitude infr_rasst infr_urb
infr_dens infr_zhddens
est store Ye_res_98
predict dfit_Ye_res_98, dfits
predict cook_Ye_res_98, cooksd
predict studres_Ye_res_98, rstudent
infr_dens infr_zhddens if studres_Ye_res_98 < 2 & cook_Ye_res_98 < 4/79 & dfit_Ye_res_98 < 2/sqrt(33/79)
est store Ye_res_98_bv
reg Ye_rec_98 lgrppc prod sci_pers sci_sh fin_vk fin_cred pred_emp dep_export dep_import dep_fi str_ag str_ryb str_mining str_manuf str_com
est store Ye_rec_98
predict dfit_Ye_rec_98, dfits
predict cook_Ye_rec_98, cooksd
predict studres_Ye_rec_98, rstudent
infr_dens infr_zhddens if studres_Ye_rec_98 < 2 & cook_Ye_rec_98 < 4/79 & dfit_Ye_rec_98 < 2/sqrt(33/79)
est store Ye_rec_98_bv
est store Ye_res_09
est store Ye_rec_09
est store Ye_res_14
58
est store Ye_rec_14
//GRP
reg Ygrp_res_98 lgrppc prod sci_pers sci_sh fin_vk fin_cred pred_emp dep_export dep_import dep_fi str_ag str_ryb str_mining str_manuf
str_com str_const str_trade str_rest str_trans str_fin str_real str_gov str_ed str_med str_drserv str_hhindex lpopcity clim latitude infr_rasst
infr_urb infr_dens infr_zhddens
est store Ygrp_res_98
predict dfit_Ygrp_res_98, dfits
predict cook_Ygrp_res_98, cooksd
predict studres_Ygrp_res_98, rstudent
infr_urb infr_dens infr_zhddens if studres_Ygrp_res_98 < 2 & cook_Ygrp_res_98 < 4/79 & dfit_Ygrp_res_98 < 2/sqrt(33/79)
est store Ygrp_res_98_bv
reg Ygrp_rec_98 lgrppc prod sci_pers sci_sh fin_vk fin_cred pred_emp dep_export dep_import dep_fi str_ag str_ryb str_mining str_manuf
est store Ygrp_rec_98
predict dfit_Ygrp_rec_98, dfits
predict cook_Ygrp_rec_98, cooksd
predict studres_Ygrp_rec_98, rstudent
infr_urb infr_dens infr_zhddens if studres_Ygrp_rec_98 < 2 & cook_Ygrp_rec_98 < 4/79 & dfit_Ygrp_rec_98 < 2/sqrt(33/79)
est store Ygrp_rec_98_bv
59
est table Ye_res_98_bv Ye_rec_98_bv Ye_res_09_bv Ye_rec_09_bv Ye_res_14_bv Ye_rec_14_bv Ygrp_res_98_bv Ygrp_rec_98_bv
Ygrp_res_09_bv Ygrp_rec_09_bv Ygrp_res_14_bv Ygrp_rec_14_bv, star
60

Курсовая ВШЭ финал

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Курсовая ВШЭ финал

Оригинальное название:

Загружено:

Авторское право:

Доступные форматы

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

Поляченко Андрей Евгеньевич

ФАКТОРЫ ЭКОНОМИЧЕСКОЙ ЖИЗНЕСТОЙКОСТИ РЕГИОНОВ РОССИИ

Глава 1. Особенности исследования экономической жизнестойкости в зарубежных

Глава 2. Методология исследования ................................................................................. 15

Глава 3. Результаты работы ................................................................................................ 25

Список литературы ............................................................................................................. 50

Приложение 1. Корреляционная матрица показателей ................................................... 53

Приложение 2. Корреляционная матрица показателей, вошедших в регрессионную

Приложение 2. Основные показатели и параметры, влияющие на региональную

Приложение 3. Код на Stata ............................................................................................... 58

1.1. Понятие и типы жизнестойкости

1.3. Подходы к исследованию жизнестойкости

Таблица 1. Подходы к исследованию жизнестойкости

В других работах авторы согласны с классическим определением жизнестойкости как

1.4. Особенности экономики России

Факторы жизнестойкости должны быть скорректированы. Во-первых, следует добавить

Необходима корректировка методики расчета. Во-первых, из-за неравномерной динамики

Использование нескольких индикаторов жизнестойкости обусловлено тем, что и

1.5. Выбор потенциальных факторов экономической жизнестойкости

Таблица 2. Факторы жизнестойкости.

Несмотря на однозначность направления влияния факторов жизнестойкости в каждой из

2.1. Индикаторные подходы к исследованию экономической

2.2. Выбор и методология расчета основных индикаторов

где res – сопротивляемость,

Таблица 3. Жизнестойкость российской экономики по занятости и ВРП.

По этой причине показатели жизнестойкости экономических систем регионов необходимо

Определение кризисного и восстановительного периодов

Рисунок 2. Динамика занятости в России с 1997 по 2018 (1997 = 100)

За сопротивляемость к кризису 1998 г. принято процентное изменение индикатора с 1997

Таблица 4. Расшифровка названий регрессоров.

Таблица 5. Описательные статистики.

2.4. Методология регрессионного анализа

3.1. Жизнестойкость по занятости

Таблица 6. Результаты оценки моделей жизнестойкости по занятости.2

производительность основного капитала

доля научных работников

доля наукоемкой продукции в объем объеме -

объем вкладов 0,284***

кредитная задолженность 0,116** 0,109*

занятость на малых и средних предприятиях 0,201** 0,179*

зависимость от экспорта 5,535*** 0,810**

зависимость от импорта 1,087** -1,529**

зависимость от иностранных инвестиций

доля сельского хозяйства в ВРП -0,0262**

доля рыболовства и рыбоводства в ВРП -0,0219*

доля добычи полезных ископаемых в ВРП -0,0255**

доля производства и распределения

доля строительства в ВРП -0,0248**

доля оптовой и розничной торговли в ВРП -0,0238**

доля гостиниц и ресторанов в ВРП -0,0289*

доля транспорта и связи в ВРП -0,0257**

доля финансовой деятельности в ВРП -0,0423*

доля операций с недвижимым имуществом в ВРП -0,0274**

доля государственного управления в ВРП -0,0252**

доля образования в ВРП -0,0253**

доля здравоохранения в ВРП -0,0276**

доля прочих услуг в ВРП

логарифм населения крупнейшего города региона 0,0335**

климат крупнейшего города региона -0,00112*

расстояние от крупнейшего города региона до - -4,425e- -4,960e-

доля городского населения в регионе 0,000450*

зависимость от экспорта 5,535* 0,810

зависимость от импорта 1,087 -1,529

производительность основного капитала 0,703* 0,281* 0,242*

плотность железных дорог 0,000332 0,000380*