Выявление и анализ агломерационных эффектов в экономике региона (на примере Самарской области)

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В условиях постепенного исключения России из ряда внешнеэкономических процессов возникает потребность в поиске внутренних резервов роста экономики. Одним из таких резервов становятся городские агломерации, концентрирующие в себе значительный объём ресурсов, населения, производственных мощностей. Рост концентрации субъектов экономической деятельности и рост взаимодействия между ними создают условия для возникновения агломерационных эффектов. В настоящей статье приводится методика выявления и анализа агломерационных эффектов в экономике региона. Методика апробирована на примере Самарской области. Показаны основные этапы её применения. Новизна исследования заключается формировании алгоритма выявления и анализа агломерационных эффектов, включающего в себя этапы ограничения предмета исследования через делимитацию, отбора наиболее значимой региональной агломерации, характеристики степени проявления признаков и факторов агломерационных эффектов в регионе и его частях, формирования модели взаимодействия признаков и факторов агломерационных эффектов на основе структурных уравнений с применением метода частичных наименьших квадратов (PLS-SEM). Применение данной методики позволяет понять, существуют ли агломерационные эффекты в регионе, в какой части региона они сконцентрированы, как влияют факторы агломерационных эффектов на экономику региона, что в конечном итоге позволяет предложить последовательность приоритетов управленческих решений.

Об авторах

Юрий Владимирович Павлов

Самарский государственный экономический университет

Email: Pavlov-mlad@mail.ru
Старший преподаватель кафедры региональной экономики и управления

Список литературы

  1. 1. Андреев В. В., Лукиянова В. Ю., Кадышев Е. Н. Анализ территориального распределения населения в субъектах Приволжского федерального округа с применением законов Ципфа и Гибрата // Прикладная эконометрика. – 2017. – № 48. – c. 97–121.
  2. 2. Вертакова Ю. В., Рисин И. Е., Трещевский Ю. И. Итерационная технология оценки условий кластеризации в региональном экономическом пространстве // Экономика и управление. – 2016. – № 4. – c. 11-19.
  3. 3. Ворошилов Н.В. Подходы к оценке развитости агломераций на территории России // Проблемы развития территории. – 2019. – № 4. – c. 40–54. – doi: 10.15838/ptd.2019.4.102.2.
  4. 4. Коломак Е.А., Шерубнёва А.И. Оценка значимости агломерационных эффектов на юге Сибири // Пространственная экономика. – 2023. – № 1. – c. 52–69. – doi: 10.14530/se.2023.1.052-069.
  5. 5. Лавриненко П.А., Михайлова Т.Н., Ромашина А.А., Чистяков П.А. Агломерационные эффекты как инструмент регионального развития // Проблемы прогнозирования. – 2019. – № 3. – c. 50-59.
  6. 6. Павлов Ю.В., Хмелева Г.А. Оценка влияния агломерационного эффекта на экономическое развитие городских округов Самарской области // Экономика, предпринимательство и право. – 2022. – № 10. – c. 2773-2794. – doi: 10.18334/epp.12.10.116416.
  7. 7. Павлов Ю. В., Королева Е. Н. Пространственные взаимодействия: оценка на основе глобального и локального индексов Морана // Пространственная экономика. – 2014. – № 3. – c. 95-110.
  8. 8. Развитие городских агломераций: аналитический обзор. Вып. 2. Официальный сайт ОАО Российского института градостроительства и инвестиционного развития «Гипрогор». [Электронный ресурс]. URL: http://www.giprogor.ru/analytics/publications (дата обращения: 01.08.2023).
  9. 9. Растворцева С.Н., Снитко Л.Т. Региональная специализация и агломерационные эффекты в экономике России // Экономические и социальные перемены: факты, тенденции, прогноз. – 2020. – № 3. – c. 46–58.
  10. 10. Сводные доклады о результатах мониторинга эффективности деятельности органов местного самоуправления городских округов и муниципальных районов в Самарской области. Сайт Правительства Самарской области. URL: https://www.samregion.ru/authorities/drugie-organy-vlasti/local/svodnye-doklady-o-rezultatah-monitoringa-effektivnosti-deyatelnosti-organov-mestnogo-samoupravleniya-gorodskih-okrugov-i-munitsipalnyh-rajonov-v-samarskoj-oblasti/ (дата обращения: 04.06.2023)
  11. 11. Сомов В.Л., Марков В.А., Бровкова А.В. Статистические подходы к измерению агломерационных эффектов (на примере регионов Приволжского федерального округа) // Вопросы статистики. – 2018. – № 25(6). – c. 51-59.
  12. 12. Шмидт А. В., Антонюк В. С., Франчини А. Городские агломерации в региональном развитии: теоретические, методические и прикладные аспекты // Экономика региона. – 2016. – № 3. – c. 776-789. – doi: 10.17059/2016-3-14.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Павлов Ю.В., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».