Научный журнал "Пространственная экономика" - Экономическая активность территорий: сравнительный анализ способов оценки пространственных эффектов

Раздел	Статьи
Заглавие	Экономическая активность территорий: сравнительный анализ способов оценки пространственных эффектов
Страницы	41-68
Автор 1	Тимирьянова Венера Маратовна кандидат экономических наук, доцент, старший научный сотрудник Башкирский государственный университет ул. Карла Маркса, 3/4, Уфа, 450076, Российская Федерация This email address is being protected from spambots. You need JavaScript enabled to view it. ORCID: 0000-0002-1004-0722
Автор 2	Зимин Александр Федорович доктор экономических наук, профессор, главный научный сотрудник Башкирский государственный университет ул. Карла Маркса, 3/4, Уфа, 450076, Российская Федерация This email address is being protected from spambots. You need JavaScript enabled to view it. ORCID: 0000-0001-8495-4191
Автор 3	Юсупов Касим Назифович доктор экономических наук, профессор, главный научный сотрудник Башкирский государственный университет ул. Карла Маркса, 3/4, Уфа, 450076, Российская Федерация This email address is being protected from spambots. You need JavaScript enabled to view it. ORCID: 0000-0002-7699-3817
Аннотация	В статье обсуждаются различные варианты учета пространственной зависимости данных в рамках иерархического и пространственного подходов. На основе литературного обзора определяются преимущества и недостатки каждого подхода и потенциал их сочетания. Проводится сравнение результатов расчетов моделей OLS, SAR, SEM, HLM, HSAR. При используемом наборе данных (2285 муниципальных образований в разрезе 85 субъектов РФ) акцент в работе сделан не на выявление связи между зависимой переменной и факторами, а на сравнение пространственных эффектов, которые могут быть выделены в рамках каждой из рассматриваемых моделей. Расчеты показали значимое влияние на зависимую переменную – объем отгруженной продукции – следующих факторов: отношения среднесписочной численности работников организаций к численности постоянного населения, объема инвестиций в основной капитал в расчете на 1 человека и доли городского населения. Данный результат показали все построенные модели. Выявленные пространственные эффекты в разрезе моделей имеют свои особенности, связанные с учетом иерархической организации данных. Включение пространственных матриц возможно на верхнем (например, субъект РФ), нижнем (например, муниципальное образование) или обоих уровнях одновременно. В иерархических моделях пространственные связи дополнительно учитываются на основе выделения групп по территориальному признаку. Расчеты показали, что во всех моделях пространственный лаг не значим. Пространственная ошибка значима на уровне муниципальных образований в модели SEM и на уровне регионов в моделях HLM, HSAR. Дополнительно иерархические модели показали значимое влияние особенностей региона на вариацию муниципальных образований по рассматриваемому показателю. В целом полученные результаты моделирования и оценки качества моделей неоднозначны. Несмотря на это отмечается потенциал расширения пространственной эконометрики на основе сочетания подходов пространственного и многоуровневого моделирования, а также обосновывается необходимость подбора модели для каждого случая с учетом значимости пространственных и иерархических эффектов
УДК	330.4+332.1
JEL	C01, C40, R11
DOI	https://dx.doi.org/10.14530/se.2021.4.041-068
Ключевые слова	пространственная модель ♦ иерархический (многоуровневый) анализ ♦ пространственно-иерархическое моделирование ♦ географически структурированные данные ♦ административно-территориальное деление ♦ пространственные эффекты ♦ регион ♦ Россия
Скачать	SE.2021.4.041-068.Timiryanova.pdf
Для цитирования	Тимирьянова В.М., Зимин А.Ф., Юсупов К.Н. Экономическая активность территорий: сравнительный анализ способов оценки пространственных эффектов // Пространственная экономика. 2021. Т. 17. № 4. С. 41–68. https://dx.doi.org/10.14530/se.2021.4.041-068
Ссылки	1. Буфетова А.Н. Пространственные аспекты концентрации экономической активности в России // Пространственная экономика. 2016. № 3. С. 38–56. https://doi.org/10.14530/se.2016.3.038-056 2. Горшкова Т.Г. Прогнозирование региональных макропоказателей с помощью пространственных VAR // Научный вестник ИЭП им. Гайдара.ру. 2019. № 6. С. 45–54. 3. Земцов С.П., Царева Ю.В. Предпринимательская активность в регионах России: насколько пространственные и временные эффекты детерминируют развитие малого бизнеса // Журнал Новой экономической ассоциации. 2018. № 1 (37). С. 145–165. 4. Коломак Е.А. Пространственные экстерналии как ресурс экономического роста // Регион: экономика и социология. 2010. № 4. С. 73–87. 5. Лакман И.А., Тимирьянова В.М. Пространственная модель воспроизводства на панельных данных // Экономика и математические методы. 2021. Т. 57. № 2. С. 34–44. https://doi.org/10.31857/S042473880011338-0 6. Наумов И.В. Пространственные диспропорции формирования финансового потенциала региональных систем // Журнал экономической теории. 2020. Т. 17. № 3. С. 614–628. https://doi.org/10.31063/2073-6517/2020.17-3.8 7. Тимирьянова В.М., Юсупов К.Н. Пространственный и иерархический аспекты в управлении муниципальными образованиями: монография. Уфа: Аэтерна, 2019. 166 с. 8. Anselin L., Cho W.K.T. Spatial Effects and Ecological Inference // Political Analysis. 2002. Vol. 10. Issue 3. Pp. 276–297. https://doi.org/10.1093/pan/10.3.276 9. Anselin L., Le Gallo J. Interpolation of Air Quality Measures in Hedonic House Price Models: Spatial Aspects // Spatial Economic Analysis. 2006. Vol. 1. Issue 1. Pp. 31–52. https://doi.org/10.1080/17421770600661337 10. Butkus M., Cibulskiene D., Maciulyte-Sniukiene A., Matuzeviciute K. What Is the Evolution of Convergence in the EU? Decomposing EU Disparities Up to NUTS 3 Level // Sustainability. 2018. Vol. 10. Issue 5. 1552. https://doi.org/10.3390/su10051552 11. Car A., Frank A.U. Modelling a Hierarchy of Space Applied to Large Road Networks // IGIS’94: Geographic Information Systems. 1994. Pp. 15–24. https://doi.org/10.1007/3-540-58795-0_30 12. Cellmer R., Kobylinska K., Belej M. Application of Hierarchical Spatial Autoregressive Models to Develop Land Value Maps in Urbanized Areas // International Journal of Geo-Information. 2019. Vol. 8. Issue 4. 195. https://doi.org/10.3390/ijgi8040195 13. Corrado L., Fingleton B. Where Is the Economics in Spatial Econometrics? // Journal of Regional Science. 2012. Vol. 52. Issue 2. Pp. 210–239. https://doi.org/10.1111/j.1467-9787.2011.00726.x 14. Demidova O. Spatial Effects for the Eastern and Western Regions of Russia: A Comparative Analysis // International Journal of Economic Policy in Emerging Economies. 2015. Vol. 8. No. 2. Рp. 153–168. https://doi.org/10.1504/IJEPEE.2015.069594 15. Diaz-Dapena A., Rubiera-Morollon F., Pires M., Gomes A. Convergence in Brazil: New Evidence Using a Multilevel Approach // Applied Economics. 2017. Vol. 49. Issue 50. Pp. 5050–5062. https://doi.org/10.1080/00036846.2017.1299101 16. Diaz-Dapena A., Rubiera-Morollon F., Paredes D. New Approach to Economic Con-vergence in the EU: A Multilevel Analysis from the Spatial Effects Perspective // International Regional Science Review. 2018. Vol. 42. Issue 3–4. Pp. 335–367. https://doi.org/10.1177/0160017618804010 17. Dong G., Harris R. Spatial Autoregressive Models for Geographically Hierarchical Data Structures // Geographical Analysis. 2014. Vol. 47. Issue 2. Pp. 173–191. https://doi.org/10.1111/gean.12049 18. Fallah B.N., Partridg M. The Elusive Inequality-Economic Growth Relationship: Are there Differences between Cities and the Countryside? // The Annals of Regional Science. 2007. Vol. 41. Pp. 375–400. https://doi.org/10.1007/s00168-006-0106-2 19. Goldstein H. Multilevel Statistical Models. John Wiley & Sons, Ltd., 2010. 384 р. https://doi.org/10.1002/9780470973394 20. Goodman C.B. Political Fragmentation and Economic Growth in U.S. Metropolitan Sreas // Journal of Urban Affairs. 2021. Vol. 43. Issue 9. Pp. 1355–1376. https://doi.org/10.1080/07352166.2020.1742578 21. Gravier-Rymaszewska J., Tyrowicz J., Kochanowicz J. Intra-Provincial Inequalities and Economic Growth in China // Economic Systems. 2010. Vol. 34. Issue 3. Pp. 237–258. https://doi.org/10.1016/j.ecosys.2010.02.003 22. Hao Y., Wang L., Zhu L., Ye M. The Dynamic Relationship between Energy Consumption, Investment and Economic Growth in China’s Rural Area: New Evidence Based on Provincial Panel Data // Energy. 2018. Vol. 154. Pp. 374–382. https://doi.org/10.1016/j.energy.2018.04.142 23. He S., Bayrak M.M., Lin H.A. Comparative Analysis of Multi-Scalar Regional Inequality in China // Geoforum. 2017. Vol. 78. Pp. 1–11. https://doi.org/10.1016/j.geoforum.2016.10.021 24. He S., Liao F.H., Li G. A Spatiotemporal Analysis of County Economy and the Multi-Mechanism Process of Regional Inequality in Rural China // Applied Geography. 2019. Vol. 111. 102073. https://doi.org/10.1016/j.apgeog.2019.102073 25. Huta V. When to Use Hierarchical Linear Modelling // The Quantitative Methods for Psychology. 2014. Vol. 10. No. 1. Pp. 13–28. https://doi.org/10.20982/tqmp.10.1.p013 26. Ivanova V. Spatial Convergence of Real Wages in Russian Cities // The Annals of Regional Science. 2017. Vol. 61. Pp. 1–30. https://doi.org/10.1007/s00168-017-0855-0 27. Konig J. European Integration and the Effects of Country Size on Growth // Journal of Economic Integration. 2015. Vol. 30 (3). Pp. 501–531. https://doi.org/10.11130/jei.2015.30.3.501 28. Lehmann H., Oshchepkov A., Silvagni M.G. Regional Convergence in Russia: Estimating a Neoclassical Growth Model / IZA. Discussion Papers No. 13039. 2020. 41 p. URL: https://www.econstor.eu/bitstream/10419/216351/1/dp13039.pdf (дата обращения: сентябрь 2021). 29. Li G., Fang C. Spatial Econometric Analysis of Urban and County-Level Economic Growth Convergence in China // International Regional Science Review. 2016. Vol. 41. Issue 4. Pp. 410–447. https://doi.org/10.1177/0160017616653446 30. Liao F.H.F., Wei Y.D. Dynamics, Space, and Regional Inequality in Provincial China: A Case Study of Guangdong Province // Applied Geography. 2012. Vol. 35. Issue 1–2. Pp.71–83. https://doi.org/10.1016/j.apgeog.2012.05.003 31. Meyer R. Deviance Information Criterion (DIC) // Wiley StatsRef: Statistics Reference Online. John Wiley & Sons, Ltd, 2016. Pp. 1–6. https://doi.org/10.1002/9781118445112.stat07878 32. Moellering H., Tobler W. Geographical Variances // Geographical Analysis. 1972. Vol. 4. Issue 1. Pp. 34–50. https://doi.org/10.1111/j.1538-4632.1972.tb00455.x 33. Oshchepkov A.Y., Shirokanova A. Multilevel Modeling for Economists: Why, When and How / Higher School of Economics Research. Paper No. WP BRP 233/EC/2020. 2020. 46 p. http://dx.doi.org/10.2139/ssrn.3637907 34. Panzera D., Postiglione P. The Impact of Regional Inequality on Economic Growth: A Spatial Econometric Approach // Regional Studies. 2021. Pp. 1–16. https://doi.org/10.1080/00343404.2021.1910228 35. Pede V.O. Diversity and Regional Economic Growth: Evidence from US Counties // Journal of Economic Development. 2013. Vol. 38. No. 3. Pp. 111–127. https://doi.org/10.35866/caujed.2013.38.3.005 36. Raudenbush S.W., Bryk A.S., Cheong Y.F., Congdon R.T., Toit M. HLM 7: Hierarchical Linear and Nonlinear Modeling. Linconwood: Scientific Software International, 2011. 351 p. 37. Tian L., Wang H.H., Chen Y. Spatial Externalities in China Regional Economic Growth // China Economic Review. 2010. Vol. 21. S20–S31. https://doi.org/10.1016/j.chieco.2010.05.006 38. Timiryanova V., Grishin K., Krasnoselskaya D. Spatial Patterns of Production-Distribution-Consumption Cycle: The Specifics of Developing Russia // Economies. 2020. Vol. 8. Issue 4. 87. https://doi.org/10.3390/economies8040087 39. Timpf S., Frank A.U. Using Hierarchical Spatial Data Structures for Hierarchical Spatial Reasoning // Spatial Information Theory: A Theoretical Basis for GIS. COSIT’97. Lecture Notes in Computer Science. Vol. 1329. Berlin – Heidelberg: Springer, 2006. Pp. 69–83. https://doi.org/10.1007/3-540-63623-4_43 40. Tu W., Ha H., Wang W., Liu L. Investigating the Association between Household Firearm Ownership and Suicide Rates in the United States Using Spatial Regression Models // Applied Geography. 2020. Vol. 124. 102297. https://doi.org/10.1016/j.apgeog.2020.102297 41. Wang Y., Liang C., Li J. Detecting Village-Level Regional Development Differences: A GIS and HLM Method // Growth and Change. 2019. Vol. 50. Issue 1. Pp. 222–246. https://doi.org/10.1111/grow.12275 42. Wang Y., Jiang Y., Yin D., Liang C., Duan F. Examining Multilevel Poverty – Causing Factors in Poor Villages: A Hierarchical Spatial Regression Model // Applied Spatial Analysis and Policy. 2021. Vol. 14. Pp. 969–998. https://doi.org/10.1007/s12061-021-09388-1 43. Webber D.J., Jen M.H., O’Leary E. European Regional Productivity: Does Country Affiliation Matter? // International Review of Applied Economics. 2019. Vol. 33. Issue 4. Pp. 523–541. https://doi.org/10.1080/02692171.2018.1515899 44. Zhang X., Li C., Li W., Song J., Yang C. Do Administrative Boundaries Matter for Uneven Economic Development? A Case Study of China’s Provincial Border Counties // Growth and Change. 2017. Vol. 48. Issue 4. Pp. 883–908. https://doi.org/10.1111/grow.12196
Финансирование	Исследование выполнено в рамках государственного задания Министерства науки и высшего образования Российской Федерации (код научной темы FZWU-2020-0027)
Поступила в редакцию	17.10.2021
Одобрена после рецензирования	15.11.2021
Принята к публикации	25.11.2021
Доступно онлайн	24.12.2021