
Концептуальная неясность определения конкурентоспособности региона мешает разработке мер социально-экономической политики, нацеленных на рост привлекательности региона для населения и капитала. Предлагаемая в работе методика оценки конкурентоспособности оценивает привлекательность региона для бизнеса, учитывает благополучие населения, состояние экологической сферы, эффективность использования экономического потенциала и развитость инновационного и информационного секторов. С технической точки зрения она опирается на метод линейного масштабирования и применяет различные подходы к учету межрегиональной дифференциации в уровне цен. Анализ результатов применения предлагаемой методики на данных северных регионов России подтвердил концептуальную связь конкурентоспособности с производительностью и факторами производства. Установлено, что основными индикаторами конкурентоспособности регионов являются размер денежных доходов населения и эффективность использования факторов производства - фондоемкости и зарплатоемкости. По результатам апробации методики установлена малая конкурентоспособность большинства северных регионов. Это объясняется недостаточной развитостью информационного сектора, малой привлекательностью территорий для бизнеса и населения, недостаточной эффективностью использования экономического потенциала и низкой инновационностью. Выявлено, что для поддержания высокой конкурентоспособности органам власти наиболее успешных регионов - Ямало-Ненецкого АО, Ханты-Мансийского АО и Сахалинской области - следует уделить больше внимания экологии и инновациям. Органам власти отстающих регионов важно принять меры по привлечению инвестиций, увеличить расходы на транспортную инфраструктуру, снизить бедность и безработицу. Регионам с наименьшей конкурентоспособностью - Ненецкий АО, Камчатский край, Архангельская область и Республика Саха (Якутия) - рекомендуется уделить особое внимание информационной инфраструктуре и росту привлекательности региона для бизнеса. Найдено, что применение индекса бюджетных расходов вместо корректировки стоимости фиксированного набора товаров и услуг в рамках межрегионального анализа дает более надежные результаты, так как лучше учитывает высокие издержки жизнеобеспечения северных регионов. Результаты могут быть использованы для разработки социально-экономической политики северных регионов России.
The conceptual ambiguity of the definition of regional competitiveness hinders the development of socio-economic policy measures to increase a region’s attractiveness to people and capital. The methodology for assessing competitiveness presented in this study evaluates the attractiveness of a region for business, considering the well-being of the population, environmental conditions, economic efficiency and development of innovation and information systems. Technically, the proposed methodology relies on the linear scaling method and various approaches to accounting for interregional price discrimination. Analysis of data obtained from the northern regions of Russia confirmed the conceptual link between competitiveness and productivity and production factors. The key regional competitiveness indicators are personal income and efficiency of production factors - capital intensity and wage intensity. The study revealed low competitiveness of the majority of the northern regions due to the insufficient development of the information system, low attractiveness for business and population, poor economic efficiency and little innovation. In order to maintain high competitiveness of the most successful regions - Yamalo-Nenets Autonomous Okrug, Khanty-Mansi Autonomous Okrug and Sakhalin Oblast - authorities should pay more attention to environment and innovation. The lagging regions need to implement measures to attract investment, increase spending on transport infrastructure, and reduce poverty and unemployment. Additionally, the least competitive regions - Nenets Autonomous Okrug, Kamchatka Krai, Arkhangelsk Oblast and the Republic of Sakha (Yakutia) - are recommended to focus on improving the regions’ information infrastructure and attractiveness for business. The article demonstrated that more reliable results can be obtained by using the index of budget expenditures instead of the cost of a fixed basket of goods and services adjusted for a specific region, since it better reflects the high cost of life in the northern regions. The findings can be used to develop socio-economic policy of the northern regions of Russia.
The article has been prepared as part of the research “Improving the competitiveness of the economy of the northern regions of Russia” (No. АААА-А19-119021190159-9, research advisor — Cand. Sci. (Econ.) Yu. A. Gadzhiev).
Работа подготовлена в рамках исследования по теме «Повышение конкурентоспособности экономики северных регионов России» (№ гос. рег. АААА-А19-119021190159-9, науч. рук. - к. э. н. Ю. А. Гаджиев).
ENVIRONMENT, NORTH, PRODUCTIVITY, ФАКТОРЫ ПРОИЗВОДСТВА, ЗАРПЛАТОЕМКОСТЬ, MULTIDIMENSIONAL GROUPING, МНОГОМЕРНАЯ ГРУППИРОВКА, ПАНЕЛЬНАЯ РЕГРЕССИЯ, СЕВЕР, WAGE INTENSITY, ФОНДОЕМКОСТЬ, PRODUCTION FACTORS, COMPETITIVENESS INDEX, Regional economics. Space in economics, ИНДЕКС КОНКУРЕНТОСПОСОБНОСТИ, HT388, ИНДЕКС БЮДЖЕТНЫХ РАСХОДОВ, CAPITAL INTENSITY, производительность, индекс конкурентоспособности, факторы производства, экология, фондоемкость, зарплатоемкость, индекс бюджетных расходов, панельная регрессия, многомерная группировка, Север, ЭКОЛОГИЯ, ПРОИЗВОДИТЕЛЬНОСТЬ, INDEX OF BUDGET EXPENDITURES, PANEL REGRESSION
ENVIRONMENT, NORTH, PRODUCTIVITY, ФАКТОРЫ ПРОИЗВОДСТВА, ЗАРПЛАТОЕМКОСТЬ, MULTIDIMENSIONAL GROUPING, МНОГОМЕРНАЯ ГРУППИРОВКА, ПАНЕЛЬНАЯ РЕГРЕССИЯ, СЕВЕР, WAGE INTENSITY, ФОНДОЕМКОСТЬ, PRODUCTION FACTORS, COMPETITIVENESS INDEX, Regional economics. Space in economics, ИНДЕКС КОНКУРЕНТОСПОСОБНОСТИ, HT388, ИНДЕКС БЮДЖЕТНЫХ РАСХОДОВ, CAPITAL INTENSITY, производительность, индекс конкурентоспособности, факторы производства, экология, фондоемкость, зарплатоемкость, индекс бюджетных расходов, панельная регрессия, многомерная группировка, Север, ЭКОЛОГИЯ, ПРОИЗВОДИТЕЛЬНОСТЬ, INDEX OF BUDGET EXPENDITURES, PANEL REGRESSION
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
