ВКЛАД ИННОВАЦИЙ В ВАЛОВУЮ ДОБАВЛЕННУЮ СТОИМОСТЬ ЛЕСОПРОМЫШЛЕННЫХ РЕГИОНОВ

УДК 332.146.2

CONTRIBUTION OF INNOVATION TO THE GROSS VALUE ADDED OF TIMBER INDUSTRY REGIONS

Efimova Marina Vasilyevna

Candidate of Economic Sciences, Associate Professor, Department of National and Regional Economics Plekhanov Russian University of Economics,

Russia, Moscow

Статья подготовлена при финансовой поддержке РЭУ им. Г. В. Плеханова в рамках научного проекта «Развитие инвестиционно-инновационного потенциала регионов России в условиях цифровой трансформации экономики» – приказ №20 от 15.01.2026 г.

АННОТАЦИЯ

В статье оценивается вклад инновационной деятельности в валовую добавленную стоимость регионов с наибольшей долей лесопромышленного комплекса. Расчет выполнен на панели 75 субъектов Российской Федерации за 2017 - 2024 гг. Использованы панельные методы оценивания, такие как модели с фиксированными эффектами регионов, межрегиональная оценка на средних за период и регрессии в приростах, а измерителем вложений служат как годовые затраты на инновационную деятельность, так и накопленный инновационный капитал. Полученные эластичности невелики и устойчивы по величине. Удвоение инновационных затрат сопровождается приростом валовой добавленной стоимости на доли процента, а рублевая отдача близка к рублю вложений. Инновационный профиль лесопромышленных регионов асимметричен. Так, по объему затрат они не уступают среднероссийскому уровню, тогда как доля организаций, ведущих инновационную деятельность, остается ниже медианы субъектов Российской Федерации.

ABSTRACT

This article assesses the contribution of innovation activity to the gross value added of regions with the largest shares of the timber industry complex. The analysis is based on panel data covering 75 constituent entities of the Russian Federation from 2017 to 2024. Methodologies employed include fixed-effects models, cross-regional analysis of period averages, and regressions based on growth rates; innovation inputs are measured by both annual innovation expenditures and accumulated innovation capital. The resulting elasticity estimates are low yet stable in magnitude. A doubling of innovation expenditure is associated with a fractional percentage increase in gross value added, and the return in rubles is roughly equivalent to the investment. The innovation profile of timber-producing regions is asymmetrical: while their expenditure levels match the Russian average, the proportion of organizations engaged in innovation remains below the median for the country's constituent entities.

Ключевые слова: региональная инновационная система, лесопромышленный комплекс, валовая добавленная стоимость, инновационная активность, затраты на инновационную деятельность, накопленный инновационный капитал, мультипликативный эффект, эластичность, панельные данные, фиксированные эффекты, регионы России, инновационное развитие.

Keywords: regional innovation system, timber industry complex, gross value added, innovation activity, innovation expenditure, accumulated innovation capital, multiplier effect, elasticity, panel data, fixed effects, Russian regions, innovation development.

Статья посвящена проблеме активизации инновационного развития предприятий лесопромышленного комплекса с целью формирования в регионах-лидерах по доле лесопромышленного комплекса в валовой добавленной стоимости региональной инновационной системы. В условиях санкционных ограничений важным направлением становится поиск альтернативных источников доходов бюджетов субъектов Российской Федерации. Перечень регионов с наибольшей долей лесопромышленного комплекса в валовом региональном продукте отвечает на вопрос, где размещаются кандидаты на роль отраслевого ядра региональной инновационной системы. Также важно понимание, в какой степени инновационная деятельность в этих регионах отражается на масштабе региональной экономики и какой прирост валовой добавленной стоимости приходится на рубль затрат на инновации.

Расчет выполнен на панели субъектов Российской Федерации за 2017–2024 гг. по данным Росстата [2] по показателям: отраслевая валовая добавленная стоимость по ОКВЭД-2, затраты на инновационную деятельность организаций, уровень инновационной активности и объема инновационных товаров, работ и услуг. В расчет вошли 594 наблюдения по 75 регионам; подвыборка лесопромышленных регионов насчитывает 80 наблюдений по десяти субъектам.

Е.А. Мазилов и В.С. Шиплюк, систематизировав существующие подходы, пришли к выводу, что методик оценки собственно региональной инновационной системы не существует: есть методики построения интегральных индексов, тесно с нею связанных [1]. Этим во многом объясняется, почему связь инновационных вложений с экономическим результатом территории чаще постулируется, чем измеряется.

Панельные оценки такой связи немногочисленны. Н.В. Фурсова на данных 18 субъектов за 2012–2023 гг. показала, что отдача от инвестиций принципиально неоднородна: технологические хабы демонстрируют возрастающую отдачу с эластичностью 1,459, агропромышленные и депрессивные территории показывают убывающую отдачу [3]. Для лесного сектора направление изменений намечено H. Martin, I. Grundel и M. Dahlström: при отраслевом переходе в лесной биоэкономике компании из потребителей технологий становятся заказчиками исследований [4].

Мультипликативные эффекты в лесном комплексе оценивались до сих пор на отраслевом уровне в виде оценки эффективности лесного кластера [5] и сопоставления комплексов лесообеспеченных стран [6]. Региональная проекция этих оценок, где результатом выступает валовая добавленная стоимость субъекта, ранее не строилась.

Основной объясняющей переменной служат затраты на инновационную деятельность. В отличие от объема инновационных товаров, затраты ближе к понятию вложений и допускают накопление, поэтому наряду с годовым потоком оценивался инновационный капитал, рассчитанный методом непрерывной инвентаризации при норме выбытия 20 % годовых.

Связь оценивалась в логарифмах обеих переменных. В такой форме коэффициент при затратах читается как эластичность, на сколько процентов выше валовая добавленная стоимость региона при затратах на инновационную деятельность, превышающих собственный уровень этого региона на один процент. Рублевая величина получается умножением эластичности на отношение валовой добавленной стоимости к затратам, эластичность показывает, во сколько раз процентный отклик слабее процентного вложения, а это отношение переводит проценты в рубли и у лесопромышленной десятки составляет 91 к 1.

Оценивались три класса спецификаций, различающихся тем, какую часть вариации данных они используют. Оценка с фиксированными эффектами регионов и годовыми индикаторами сопоставляет регион с самим собой в разные годы. Постоянные различия между территориями из расчета уходят, общие для страны шоки и инфляцию поглощают индикаторы лет.

Во всех спецификациях, построенных на внутрирегиональной динамике, затраты на инновационную деятельность связаны с валовой добавленной стоимостью положительно, и оценки лежат в узком диапазоне. Без отраслевых контролей эластичность составляет 0,0094, с контролем доли добычи составляет 0,0114, с добавлением сельского и лесного хозяйства - 0,0118. Сглаживание затрат трехлетним средним, гасящее скачки разовых инвестиционных проектов, поднимает оценку до 0,0188, а переход от годового потока затрат к накопленному инновационному капиталу — до 0,0274. В содержательном выражении это означает, что удвоение инновационных затрат связано с приростом валовой добавленной стоимости от 0,7 % в базовой спецификации до 1,9 % в спецификации с накопленным капиталом.

Эластичность порядка 0,011 - 0,013 означает, что удвоение затрат на инновации связано с приростом валовой добавленной стоимости примерно на 1%. Значимость достигается на пятипроцентном уровне в двух спецификациях из семи и на десятипроцентном в четырех, а в спецификациях, работающих исключительно на приростах, связь исчезает. По подвыборке десяти лесопромышленных регионов эффект не идентифицируется.

Высокие эластичности, получаемые на межрегиональной вариации (0,39–0,41 при p < 0,001), природы эффекта не отражают. После включения масштаба промышленности коэффициент при затратах падает до -0,017 и теряет значимость, тогда как коэффициент при масштабе составляет 0,729 (ст. ошибка 0,063). Межрегиональная зависимость воспроизводит соотношение размеров региональных экономик.

Рублевый мультипликатор и профиль регионов

Рублевый мультипликатор, рассчитанный по эластичности 0,0114, при медианном для лесопромышленной десятки отношении валовой добавленной стоимости к затратам (91 к 1) составляет 1,0 руб. на рубль затрат при доверительном интервале от 0 до 2,1 руб. Распределение расчетной отдачи по регионам (см. рис. 1) задано обратной зависимостью между мультипликатором и достигнутой интенсивностью затрат: лог-логарифмическая форма предполагает убывающую предельную отдачу, поэтому там, где вложения малы относительно размера экономики, расчетная отдача рубля выше. Архангельская область с интенсивностью 0,14 % получает 8,4 руб. на рубль, Иркутская с интенсивностью 6,34 % — 0,18 руб.

Источник: рассчитано автором по данным [2]

Рисунок 1. Интенсивность затрат на инновационную деятельность и расчетная отдача рубля затрат по лесопромышленным регионам, 2024 г.

По уровню инновационной активности организаций девять регионов первой десятки из десяти уступают медиане субъектов Российской Федерации. Так, в 2024 г. медиана составила 9,9 %, среднее по лесопромышленным регионам - 8,6 % против 11,2 % по остальным субъектам (t-тест: p = 0,035). Ниже всех — регионы с наибольшей лесопромышленной специализацией (Карелия 5,9 %, Костромская область 5,8 %, Архангельская 5,1 %). По затратам картина иная, так как медиана интенсивности в десятке составляет 1,11 % валовой добавленной стоимости против 1,06 % по стране, и различие статистически незначимо.

Сопоставление двух показателей дает главный вывод. Деньги в инновационную деятельность лесопромышленных регионов идут на уровне общероссийского, однако доля предприятий, ведущих эту деятельность, ниже среднего. Расходы концентрируются у немногих крупных игроков, массовая активность остается низкой.

Список литературы:

1. Мазилов Е.А., Шиплюк В.С. Методика оценки уровня развития региональных инновационных систем // Экономика и бизнес: теория и практика. — 2021. — № 12-2 (82). — С. 68–74. — DOI 10.24412/2411-0450-2021-12-2-68-74.
2. Регионы России. Социально-экономические показатели. 2025: стат. сб. / Росстат. — М., 2025. — 1035 с. — URL: https://rosstat.gov.ru/storage/mediabank/Region_Pokaz_2025.pdf (дата обращения: 10.05.2026).
3. Фурсова Н.В. Механизм наращивания кумулятивного потенциала региональных инновационных систем // Дискуссия. — 2026. — № 3(148). — С. 152–159. — DOI 10.46320/2077-7639-2026-3-148-152-159.
4. Martin H., Grundel I., Dahlström M. Reconsidering Actor Roles in Regional Innovation Systems: Transformative Industrial Change in the Forest-Based Bioeconomy // Regional Studies. — 2023. — Vol. 57, № 9. — P. 1636–1648.
5. Sushko O.P. Multiplicative Assessment of the Effectiveness of the Forest Cluster // Financial Markets and Banks. — 2024. — No. 3. — P. 321–326.
6. Sushko O.P., Efimova M.V. Analysis of the Timber Industry Complex of Forest-Rich Countries // Russian Forestry Journal. — 2025. — No. 2(404). — P. 154–171. — DOI 10.37482/0536-1036-2025-2-154-171.