ВЛИЯНИЕ РЕГИОНАЛЬНЫХ ПОКАЗАТЕЛЕЙ НА РЕНТАБЕЛЬНОСТЬ ПРЕДПРИЯТИЙ ВЫСОКОТЕХНОЛОГИЧНЫХ ОТРАСЛЕЙ: ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ
DOI:
https://doi.org/10.25806/uu9-12021236-247Статья поступила в редакцию: 24.08.2021
Статья принята к публикации: 30.08.2021
Статья опубликована: 10.09.2021
Ключевые слова:
рентабельность, высокотехнологичные отрасли, промышленность, услуги, регионы России, региональные показатели, региональный менеджмент, регрессионное моделирование.Аннотация
Актуальной проблемой в условиях санкций, политической напряженности и пандемии коронавируса является технологическое развитие России, которое предполагает стимулирование и опережающее развития предприятий высокотехнологичных отраслей промышленности и услуг. В настоящей работе исследуются возможности региональных органов власти (регионального менеджмента) влиять на процессы генерации и развития высокотехнологичного бизнеса. Целью работы является моделирование влияния региональных показателей на рентабельность предприятий высокотехнологичных отраслей России. Период исследования: 2015–2019 гг. Методы исследования. Расчеты выполняются на уровне регионов на основе стыковки и агрегирования данных финансовой отчётности предприятий и статистических показателей регионов. Выборка составила 68 регионов России или 272 наблюдения за четыре года (панельные данные). Применяются модели Prais–Winsten регрессии с панельной корректировкой стандартных ошибок. Тестируется широкий перечень региональных показателей, отражающих важнейшие характеристики региональной экономики: уровень предпринимательства, доходы населения, масштаб экономической деятельности, инновационная активность и др. Результаты. Установлено, что региональные показатели оказывают значимое влияние на рентабельность предприятий высокотехнологичных отраслей и позволяют добиться ее существенного увеличения. Уровень дохода населения территории, в частности соотношение средней зарплаты региона и России высоко значимо положительно влияет на рентабельность высокотехнологичного бизнеса. Второй существенно значимый показатель, положительно влияющий на рентабельность, — доля вузов во внутренних затратах на исследования и разработки. Отрицательное воздействие на рентабельность оказывают доля инвестиций в выручке и доля фонда оплаты труда в выручке. Показано, что региональные органы власти могут и должны воздействовать на эти показатели, тем самым стимулируя развитие высокотехнологичного бизнеса на своей территории.
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Лицензия: Статья распространяется на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0).
Машиночитаемый файл метаданных: JATS XML
Список литературы
Милькина И.В., Лиц С.В. Анализ результативности государственной поддержки высокотехнологичных отраслей // Вестник университета. 2020. № 1. С.48-56.
Yuchan W. High-tech industries in China and Russia: present situation and impact on economic development. State and municipal management scholar notes. The Russian Presidential Academy of National Economy and Public Administration. 2021. Vol. 2 (2). P. 237–244. DOI: 10.22394/2079-1690-2021-1-2-237-244.
Ковылкин Д.Ю., Трофимов О.В., Стрелкова Л.В., Фролов В.Г., Усов Н.В. Разработка механизма развития приоритетных высокотехнологичных отраслей промышленного производства региона в условиях перехода к цифровой экономике // Вопросы инновационной экономики. 2018. Т. 8. № 4. С. 575-590.
Национальный доклад «Высокотехнологичный бизнес в регионах России». Выпуск 2 / под ред. Земцова С.П. М.: РАНХиГС, АИРР, 2019. 108 с.
Eurostat indicators on High-tech industry and Knowledge – intensive services. Available at: [Электронный ресурс]. URL: https://ec.europa.eu/eurostat/cache/metadata/Annexes/htec_esms_an3.pdf. (дата обращения: 11.08.2021).
Rodriguez M. Innovation, Knowledge Spillovers and High-Tech Services in European Regions. Engineering Economics. 2014. vol. 25. no. 1. P. 31-39.
Общероссийский классификатор видов экономической деятельности (утв. Приказом Росстандарта от 31.01.2014 N 14-ст). [Электронный ресурс]. URL: http://www.consultant.ru/document/cons_doc_LAW_163320/ (дата обращения: 15.08.2021).
Lee S. The relationship between growth and profit: evidence from firm-level panel data. Structural Change and Economic Dynamics. Elsevier BV. 2014. Vol. 28. P. 1–11. DOI: 10.1016/j.strueco.2013.08.002.
Dohse D., Schnier J. Location and Firm Performance. From Industrial Organization to Entrepreneurship. Springer International Publishing. 2019. P. 307–317. DOI: 10.1007/978-3-030-25237-3_27.
Stephan A. Locational conditions and firm performance: Introduction to the special issue. Annual Regional Science. 2011. vol. 46. P. 487–494.
James H.L., Wang H., Xie Y. Busy directors and firm performance: Does firm location matter? The North American Journal of Economics and Finance. Elsevier BV. 2018. Vol. 45. P.1–37. DOI: 10.1016/j.najef.2018.01.010.
Информационный ресурс СПАРК. [Электронный ресурс]. URL: http://www.spark-interfax.ru/ (дата обращения: 15.08.2021).
Blackwell J.L. Estimation and Testing of Fixed-effect Panel-data Systems. The Stata Journal: Promoting communications on statistics and Stata. 2005. Vol. 5 (2). P. 202–207. DOI: 10.1177/1536867x0500500205.
Spitsin V., Vukovic D., Anokhin S., Spitsina L. Company performance and optimal capital structure: evidence of transition economy (Russia). Journal of Economic Studies. 2020. Vol. 48 (2). P. 313–332. DOI: 10.1108/jes-09-2019-0444.
Marquardt D. You should standardize the predictor variables in your regression models. Journal of the American Statistical Association. 1980. no. 75. P. 87–91.
Spitsin V.V., Spitsina L.Y. Sustainability, Effectiveness and Efficienc of Enterprises in High-Tech Sectors in Crisis Conditions: Econometric Modelling. Vestnik NSUEM. Novosibirsk State University of Economics and Management – NSUEM. 2020. Vol. 6 (2). P. 160–176. DOI: 10.34020/2073-6495-2020-2-160-176.
Спицын В.В. Рентабельность предприятий высокотехнологичных отраслей и влияющие на нее факторы: анализ и моделирование // Научно-технические ведомости СПбГПУ. 2019. Т. 12. № 6. С. 149–160. DOI: 10.18721/JE.12613.
Указ Президента РФ от 4 февраля 2021 г. № 68 «Об оценке эффективности деятельности высших должностных лиц (руководителей высших исполнительных органов государственной власти) субъектов Российской Федерации и деятельности органов исполнительной власти субъектов Российской Федерации». [Электронный ресурс]. URL: https://www.garant.ru/products/ipo/prime/doc/400181504/ (дата обращения: 15.08.2021).
Mikhalchuk A.A., Hizhnyak A.V., Spitsin V.V., Monastyrnyy E.A. The “TECHSUCCESS” rating and the financial indicators of high-tech businesses: correlation analysis. Vestnik Universiteta. State University of Management. 2020. Vol. 27 (11). P. 44–52. DOI: 10.26425/1816-4277-2020-11-44-52.
Спицын В.В., Михальчук А.А., Хижняк А.В., Попова С.Н., Булыкина А.А. Технологические лидеры в условиях санкций и пандемии: анализ предприятий – участников рейтинга «Техуспех» // Инновации. 2021. № 2. С. 56-63.
