Пространственные эффекты в распределении реальных денежных доходов населения России: эконометрический анализ и рекомендации для региональной политики
Журнал «KANT» №1(54) 2025 [стр. 33-40]
DOI: 10.24923/2222-243X.2025-54.6
Ключевые слова: пространственная эконометрика; региональное неравенство; денежные доходы населения; пространственная автокорреляция; межрегиональные взаимосвязи; экономическая политика.
Целью исследования является выявление и анализ пространственных эффектов в распределении реальных денежных доходов населения России на региональном уровне с использованием методов пространственной эконометрики для разработки рекомендаций по совершенствованию региональной экономической политики. Научная новизна заключается в разработке комплексной методики анализа пространственных эффектов в распределении доходов, сочетающей классические и пространственные эконометрические модели; выявлении и количественной оценке пространственных взаимосвязей между доходами населения в российских регионах; определении кластеров регионов с различными паттернами пространственной зависимости; построении и верификации пространственной модели реальных денежных доходов населения с учетом региональной специфики России. В результате подтверждено наличие значимых пространственных эффектов в распределении доходов населения; выявлены существенные различия между ресурсодобывающими северными и остальными регионами; определена роль географической близости в формировании межрегиональных экономических связей; построены и сравнены различные спецификации пространственных моделей (SAR, SEM, SAC); получены количественные оценки силы пространственных взаимосвязей между регионами. Разработанные модели могут использоваться для прогнозирования эффектов региональной политики; выявленные пространственные взаимосвязи позволяют оптимизировать распределение ресурсов между регионами; результаты исследования могут быть использованы при разработке программ регионального развития; предложенная методология может применяться для анализа других социально-экономических показателей российских регионов.
1. Уровень жизни. Росстат. URL: https://rosstat.gov.ru/folder/13397 (дата обращения: 29.01.2025).
2. Aw A., Cabral E.N. Functional SAC model: With application to spatial econometrics // South African Statistical Journal. – 2021. – Т. 55, №1. – С. 1-13.
3. de Cunzo F. et al. The trickle down from environmental innovation to productive complexity // Scientific Reports. – 2022. – Т. 12, №1. – С. 22141.
4. Furlong K. Trickle down debt: Infrastructure, development, and financialisation, Medellin 1960-2013 // Transactions of the Institute of British Geographers. – 2020. – Т. 45, №2. – С. 406-419.
5. Giannetti V., Rubera G. Innovation for and from emerging countries: a closer look at the antecedents of trickle-down and reverse innovation // Journal of the Academy of Marketing Science. – 2020. – Т. 48. – С. 987-1008.
6. Kim D., Song I. Predicting model improvement by accounting for spatial autocorrelation: A socioeconomic perspective // The Professional Geographer. – 2021. – Т. 73, №1. – С. 131-149.
7. Leiwakabessy E., Payapo R. W. The dynamic link of energy consumption, economic growth and poverty in Eastern Indonesia: Panel VECM and FMOLS approach // International Journal of Energy Economics and Policy. – 2022. – Т. 12, №2. – С. 83-90.
8. Nathanson C.G. et al. Trickle-down housing economics. – Northwestern University, 2020. – С. 46.
9. Potwarka L.R., Wicker P. Conditions under which trickle-down effects occur: A realist synthesis approach // Sustainability. – 2020. – Т. 13, №1. – С. 69.
10. Ruttenauer T. Spatial data analysis // arXiv preprint arXiv:2402.09895. – 2024.
11. R?ttenauer T. Spatial regression models: a systematic comparison of different model specifications using Monte Carlo experiments // Sociological Methods & Research. – 2022. – Т. 51, №2. – С. 728-759.
12. Saunders P., Naidoo Y., Wong M. Are recent trends in poverty and deprivation in Australia consistent with trickle-down effects? // The Economic and Labour Relations Review. – 2022. – Т. 33, №3. – С. 566-585.
13. Varlamova J., Kadochnikova E. Modeling the spatial effects of digital data economy on regional economic growth: SAR, SEM and SAC models // Mathematics. – 2023. – Т. 11, №16. – С. 3516.
14. Wahab A. et al. The Trickle-Down Effect of Intellectual Capital on Banks' Macro Performance in Indonesia // The Journal of Asian Finance, Economics and Business. – 2020. – Т. 7, №12. – С. 703-710.
15. Wang Y. et al. The trickle-down effect of big data use to predict organization innovation: the roles of business strategy alignment and information sharing //Journal of Enterprise Information Management. – 2023. – Т. 36, №1. – С. 323-346.
16. Yang Y. et al. Interregional polarized and trickling-down effect of carbon emission space and the optimization policies: Case studies of the Jing-Jin-Ji region //Journal of Cleaner Production. – 2022. – Т. 370. – С. 133426.
17. Zhang X. et al. The trickle?down effect of fintech development: From the perspective of urbanization //China & World Economy. – 2020. – Т. 28, №1. – С. 23-40.
Spatial effects in the distribution of cash income in Russia: Econometric analysis and regional policy recommendations
Keywords: Spatial econometrics; Regional inequality; Cash income; Spatial autocorrelation; Interregional relationships; Economic policy.