ОЦЕНКА ВЛИЯНИЯ ПАНДЕМИИ НА СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ РЕГИОНОВ ЗАПАДНОЙ ЧАСТИ СФО

​ASSESSMENT OF THE IMPACT OF THE PANDEMIC ON THE SOCIO-ECONOMIC DEVELOPMENT OF THE REGION IN THE WESTERN PART OF THE SIBERIAN FEDERAL UNIVERSITY

Nikita Shambura

Student, Department of Finance and Risk Management, Siberian Federal University,

Russia, Krasnoyarsk

АННОТАЦИЯ

В данной статье рассмотрено как распространение COVID-19 повлияло на социальное и экономическое развитие регионов западной части Сибирского Федерального округа. Была проанализирована динамика демографических процессов, а именно численности постоянного населения регионов, возрастных коэффициентов смертности, уровня безработицы, а также уровня валового регионального продукта на душу населения до и после распространения коронавируса.

ABSTRACT

This article examines how the spread of COVID-19 affected the social and economic development of the regions of the western part of the Siberian Federal District. The dynamics of demographic processes were analyzed, namely the resident population of the regions, age-related mortality rates, the unemployment rate, as well as the level of gross regional product per capita before and after the spread of coronavirus.

Ключевые слова: COVID-19, социально-экономическое развитие, Сибирский Федеральный округ, численность населения, уровень безработицы, возрастной коэффициент смертности, уровень валового регионального продукта на душу населения, динамика численности постоянного населения регионов, демографические процессы, возрастные коэффициенты смертности, индексы численности постоянного населения.

Keywords: COVID-19, socio-economic development, Siberian Federal District, population, unemployment rate, age mortality rate, gross regional product per capita, dynamics of the resident population of regions, demographic processes, age-related mortality rates, resident population indices.

Социально-экономическое состояние регионов России развивалось в своих темпах, у всех компаний разных отраслей были выстроены свои финансовые цели и задачи на несколько лет вперед. Однако в 2019 году абсолютно все регионы столкнулись с тем, чего никто не мог ожидать, а именно с пандемией COVID-19. Коронавирусный кризис резко негативно повлиял на экономику страны, что также плохо отразилось на бюджетах регионов. Для сохранения безопасности жизни населения, регионы начали вводить меры по предотвращению распространения коронавирусной инфекции, что в основном выражалось в введении карантинного режима, из-за которого пострадали города регионов, где концентрируются в том числе промышленные отрасли.

В основном исследователи проводят анализ влияния пандемии на центральную часть России, затрагивая столицу страны, а также в целом по России. Так, например, доктор географических наук и профессор Московского государственного университета имени М.В. Ломоносова Н.В. Зубаревич проводил исследование влияния пандемии на социально-экономическое развитие и бюджеты регионов, в котором анализировал как первая и вторая волны коронавирусного кризиса воздействовали на динамику промышленного производства, инвестиции по федеральным округам и отдельным субъектам РФ, а также на их объем консолидированного бюджета [4]. Поэтому в данной работе автор считает целесообразным провести оценку воздействия COVID-19 на социально-экономическое развитие западной части Сибирского Федерального округа по причине того, что есть большая дифференциация между субъектами Российской Федерации. Каждый из них вносит свой большой вклад в развитие страны в целом.

В данной статье будут рассмотрены такие регионы как: Томская, Новосибирская и Кемеровская области, Алтайский край и Республика Алтай, так как почти в каждой области основными отраслями промышленности является нефте- и газодобывающие, транспортная, нефтеперерабатывающая и другие, которые являются одними из ключевых для экономики России.

В качестве показателей, характеризующих социально-экономическое состояние регионов, были выбраны численность населения, коэффициент смертности, уровень безработицы и уровень ВРП на душу населения. Данные показатели являются одними из ключевых, отражающие состояние рабочей силы населения региона. С их помощью можно будет точно оценить влияние COVID-19 на рабочую силу регионов, а следовательно, и на уровень валового регионального продукта.

В качестве рассматриваемого периода были выбраны 5 лет, а именно 2017-2021 года, так как в течении данного временного промежутка не было экономических кризисов, особого внешнеполитического давления, которое бы как-то повлияло на социально-экономическое развитие страны и регионов.

Влияние пандемии Covid-19 на демографические процессы

Первоначально необходимо оценить влияние пандемии COVID-19 на численность населения и возрастной коэффициент смертности, так как показатель ВРП и рабочая сила напрямую зависят от них. В таблице 1 представлены статистические данные численности постоянного населения за выбранный промежуток времени.

Таблица 1.

Численность постоянного населения регионов западной части Сибирского Федерального округа 2017-2021 гг., человек

По данной таблице можно сделать вывод, что до пандемии коронавируса, регионы, кроме республики Алтай претерпевали снижение постоянной численности населения в промежутке 2017-2018 гг. в размере от 1 до 2 тысяч человек. Однако с 2019 по 2021 года, когда в регионах начал распространяться коронавирус, эта тенденция лишь укрепилась. За последующие 3 года численность населения снизилась от 8 до 47 тысяч человек. В республике Алтай наблюдается обратная тенденция к росту населения, что можно объяснить высоким уровнем рождаемости населения.

Таким образом, наблюдая снижение численности постоянного населения почти во всех регионах, можем предположить, что из-за пандемии COVID-19 регионы постепенно начали терять свою рабочую силу, что могло повлиять на социально-экономическое развитие регионов.

Для того, чтобы это проверить, на официальном статистическом источнике ЕМИСС были найдены данные возрастных коэффициентов смертности в Новосибирской, Томской, Кемеровской областях, а также в республике Алтай и Алтайском крае для дальнейшего анализа.

Кроме того, важно отметить, что нами под рабочей силой рассматривается население возрастом от 16 (категория 16-19 лет) до 69 лет (категория 65-69 лет) [6]. По законодательству Российской Федерации, согласно ст. 63 ТК РФ, начинать работать, заключая трудовой договор, можно с 16 лет, а с 18 лет человек считается полноценно дееспособным. В выборку не включается возрастная категория 14 лет по причине, что «может выполняться легкий труд». Поэтому были рассмотрены вышеуказанные возрастные категории.

Для начала рассмотрим динамику возрастных коэффициентов смертности в выбранных регионах за 2 года до COVID-19 (Рис.1).

Рисунок 1. Динамика возрастных коэффициентов смертности в регионах западной части Сибирского Федерального округа 2017-2018 гг., промилле

Как видно из графиков, большие значения коэффициентов смертности приходятся на такие возрастные категории как: 55-59, 60-64 и 65-69 лет. Максимальные значения коэффициентов смертности были в Кемеровской области и республике Алтай и составляли 29,9 и 28,8 промилле соответственно. В остальных возрастных категориях коэффициенты смертности были не больше 10 промилле. Таким образом, большинство смертей приходится на более опытную категорию работников, которые отработали больше 10 лет на предприятии(ях).

Теперь рассмотрим возрастные коэффициенты смертности населения во времена, когда COVID-19 начала активно распространятся по всей территории Российской Федерации, в том числе западной части Сибирского Федерального округа (Рис. 2). Основываясь на результатах и выводах, сделанных при анализе динамики численности постоянного населения 2017-2021 года, можно предположить, что степень воздействия коронавируса явно оказала свое влияние на коэффициенты смертности.

Рисунок 2. Динамика возрастных коэффициентов смертности в регионах западной части Сибирского Федерального округа 2019-2021 гг., промилле

Делая вывод из представленного рисунка, можно сказать, что коэффициенты смертности во многих возрастных категориях из-за распространения коронавируса в регионах начали резко расти. Если раньше коэффициент смертности в таких категориях как: 55-59, 60-64 и 65-69 лет варьировался от 12,7 до 29,9 промилле, то из-за влияния вируса за 3 года эти значения резко поменялись. Коэффициент смертности в данных возрастных категориях начал варьироваться от 15 до 40,4 промилле, что отрицательно сказывается на количестве рабочей силы в регионах. Максимальные значения коэффициентов смертности выросли до 39 до 40,4 промилле.

Делая вывод по графикам, стоит отметить, что влияние коронавируса на демографические процессы оказалось большое. Коэффициент смертности вырос почти в 1,5 раза, оказав при этом большое воздействие на старшее («опытное») поколение работников. Это означает, что старшее поколение работников не сможет передать свой опыт и знания молодому поколению, что может снизить темпы социально-экономическое развитие у регионов. Кроме того, стоит отметить, что COVID-19 также оказал влияние на молодое и среднее поколения в возрастных промежутках от 16-19 до 44-49 лет, что может означать, что предложение рабочей силы начало снижаться в своем количестве.

Следовательно, если растет смертность молодого и среднего поколения (от 16 до 34), то в организации не будут приходить молодые специалисты, так как только к 34 годам люди начинают врабатываться и набирать знания для своего опыта. Однако если они умирают, то развитие организаций затрудняется, результатом чего будет молодых специалистов.

Влияние пандемии Covid-19 на экономическое развитие в регионах Западной Сибири

Оценив воздействие распространения COVID-19 на демографические процессы в регионах западной части Сибирского Федерального округа, которое оказалось внушительным, стоит предположить, что оно также оказало влияние и на уровень безработицы населения, а соответственно и на уровень валового регионального продукта. В период активного распространения коронавирусной инфекции на территории РФ начали вводиться меры по предотвращению распространения коронавирусной инфекции, что в основном выражалось в введении карантинного режима. Многих работников уводили на дистанционную работу, а некоторых и вовсе сокращали из-за нехватки прибыли в организации.

Поэтому в первую рассмотрим уровень безработицы в выбранных регионах до и после распространения коронавирусной инфекции, тем самым отследим воздействие COVID-19 на этот показатель (Рис. 3).

Рисунок 3. Динамика уровня безработицы в регионах западной Сибири, %

Исходя из графика динамики уровня безработицы, можно сделать вывод о том, что до распространения коронавируса у всех регионов была тенденция к снижению уровня безработицы, что означает рост числа занятой рабочей силы. Однако после, в 2020 году, когда COVID-19 начал активно «затрагивать» все регионы западной части Сибирского Федерального округа, отслеживается рост уровня безработицы от 0,5% до 3%. Максимальный скачок показателя зафиксирован в республике Алтай и составляет 3%, а наименьшее влияние коронавирус оказал на уровень безработицы в Алтайском крае – 0,1%, даже наоборот присутствует продолжение тенденции к снижению показателя.

Несмотря на рост уровня безработицы в 2020 году, уже в 2021 году наблюдается начало его спада. Это можно объяснить тем, что в виду примененных мер по предотвращению коронавирусной инфекции на территории всей России появилось очень много различных видов профессиональной деятельности, соответствующих требованиям безопасности, например, связанных с доставкой еды или лекарств, а также стала распространяться дистанционная работой из дома по различным направлениям деятельности. Таким образом, примененные правительством меры поспособствовали тому, что организации начали создавать либо улучшать уже существующие методы и инструменты выполнения работ удаленно. Всё это в совокупности помогло людям не потерять свою работу, а некоторым даже обзавестись ею, тем самым снизив рост уровня безработицы к 2021 году.

Далее проанализируем изменение уровня валового регионального продукта в регионах Новосибирской, Кемеровской и Томской областях, а также в республике Алтай и Алтайском крае. На рисунке 4 представлена динамика уровня ВРП на душу населения в регионах западной части Сибирского Федерального округа.

Рисунок 4. Динамика уровня ВРП на душу населения в регионах западной части Сибирского Федерального округа, руб.

Рассматривая период до распространения коронавируса, уровень ВРП на душу населения во всех регионах имел тенденцию к росту. В Кемеровской и Томской областях темпы роста даже больше, чем у остальных. Однако, когда в 2019 году COVID-19 начал распространяться на территории РФ, темпы роста ВРП стали заметно замедляться. Таким образом, в 2020 году в областях, где присутствовали большие темпы роста показателя, уровень ВРП стал резко падать. Это может говорить о том, что предприятия в этих регионах не были готовы к быстрому распространению и большому влиянию пандемии COVID-19.

Несмотря на это, предприятия регионов западной части Сибирского Федерального округа смогли адаптироваться под новые условия труда, и уже к 2021 году уровень ВРП на душу населения в Кемеровской и Томской областях значительно вырос по сравнению со значениями в 2020 году. Так, например, в Кемеровской области уровень ВРП на душу населения к 2021 году вырос на 295 тысяч рублей, а в Томской – почти на 146 тысяч рублей, что подтверждает выводы, сделанные раннее. В других областях также прослеживается тенденция к росту уровня ВРП в 2021 году, что говорит о том, что все регионы прошли адаптацию. В целом, наиболее стабильная ситуация прослеживалась в республике Алтай и Алтайском крае: даже во время распространения пандемии коронавируса уровень ВРП не снижался, а его положительная тенденция сохранялась. В Новосибирской области ситуация также оставалась прежней, однако в отличие от республики Алтай и Алтайского края, в 2019 и 2020 годах темп рост показателя ВРП заметно снизился.

Корреляционно-регрессионный анализ ВРП на душу населения от факторов

Для подтверждения сделанных ранее выводов проведем корреляционно-регрессионный анализ уровня ВРП на душу населения от уровня смертности, безработицы и среднедушевых доходов населения.

Корреляционно-регрессионный анализ — один из наиболее широко распространенных и гибких приемов обработки статистических данных.

Корреляционно-регрессионный анализ предполагает построение и анализ экономико-математической модели в виде уравнения регрессии (формула 1):

                                                     (1)

Y– зависимая переменная;

β₀ – свободный член (сдвиг);

β₁, β₂, …, β_n – коэффициенты при переменных X, характеризующие то, как изменение X на 1 единицу влияет на Y.

Задачи корреляционного анализа сводятся к выделению важнейших факторов, которые влияют на результативный признак, измерению тесноты связи между факторами, выявлению неизвестных причин связей и оценке факторов, оказывающих максимальное влияние на результат.

Задачи регрессионного анализа заключаются в установлении формы зависимости, определении уравнения регрессии и его использования для оценки неизвестных значений зависимой переменной, при возможности прогнозировании возможных значений результативного признака при задаваемых значениях факторных признаков [2].

В нашей регрессионной модели зависимой переменной является GDP – уровень валового регионального продукта на душу населения в выбранных регионах, рублей. Для анализа будет использован наш временной ряд в период с 2017-2022 гг. В качестве факторных переменных были выбраны следующие признаки:

• unemployment – уровень безработицы, %;
• income – среднедушевые денежные доходы населения, руб.;
• death rate – коэффициент смертности населения, промилле.

В практической работе с панельными данными необходимо использовать робастные ошибки, поскольку представители современной эконометрики резонно считают, что предположение о гомоскедастичности и отсутствии автокорреляции слишком редко выполняется для реальных данных.

Прежде чем приступить к выявлению значимых факторов, введем некоторые понятия. Для того, чтобы понять, значим ли фактор, проводится t-тест Стьюдента. Выдвигаются:

1. Нулевая гипотеза Н0 – фактор не оказывает существенного влияния на зависимый признак (фактор незначим).

2. Альтернативная гипотеза H1 – фактор влияет на зависимый признак (фактор значим: p ‹0,1 — на 10 % уровне значимости; p ‹0,05 — на 5 % уровне; p ‹0,01 — на 1 % уровне).

Причем, нулевая гипотеза H0 не отвергается, если: табличное (критическое) значение статистики больше расчётного, при этом p-значение> 10 %, а альтернативная гипотеза H1 не отвергается с соответствующим уровнем вероятности (1, 5, 10 %), если: расчётное значение статистики больше табличного, при этом p-значение ‹1 %, 5 %, 10 % [2].

Оценим модели панельных данных с фиксированными и случайными эффектами и выберем более состоятельную (Рис. 5).

Рисунок 5. Модель с фиксированными эффектами

P-значение для нулевой гипотезы равны 5,51528e-005, значит отвергаем ее в пользу альтернативной. Это значит, что мы должны отклонить гипотезу о том, что индивидуальных эффектов нет и сделать выбор в пользу модели с фиксированными эффектами.

Данную модель уже можно интерпретировать. Только один коэффициент значим на 2 уровне.

Так как коэффициенты β теперь оценены, уравнение регрессии в данном случае будет следующим:

Для оценки качества модели применим R-квадрат в пределах, поскольку он, в отличие от LSDV R², в большинстве случаев дает более приемлемые оценки в силу того, что он искусственно не завышает объяснение вариации зависимого признака из-за большого количества регрессоров. Таким образом, изменения факторных переменных описывают 70,3% изменения зависимой, что говорит о хорошей степени зависимости для 3 факторов.

Рассмотрим подробнее влияние факторов. При увеличении среднедушевых денежных доходов населения на 1 рубль, доля ВРП на душу населения в регионах увеличится на 13,6 рублей. При увеличении коэффициента смертности населения в регионах на 1%, доля ВРП на душу населения в регионах увеличится на 16566 рублей. При увеличении уровня безработицы на 1%, доля ВРП на душу населения в регионах уменьшится на 23315,2 рубля. Однако стоить помнить, что модель показала 1 влияющий фактор – среднедушевые денежные доходы населения.

Теперь, если мы уберем такой фактор как среднедушевые денежные доходы населения, то модель поменяется таким образом (Рис. 6).

Рисунок 6. Модель с фиксированными эффектами

P-значение для нулевой гипотезы равны 1,17031e-008, значит мы также отвергаем ее в пользу альтернативной. Это значит, что мы должны отклонить гипотезу о том, что индивидуальных эффектов нет и сделать выбор в пользу модели с фиксированными эффектами.

Данную модель также можно интерпретировать. Все коэффициенты модели значимы, но на разном уровне.

Так как коэффициенты β теперь оценены, уравнение регрессии в данном случае будет следующим:

Для оценки качества модели также применим R-квадрат в пределах, который составляет 66,5%. Данное значение говорит, что выбранные факторные переменные объясняют зависимую на 66,5%, а это, в свою очередь, дает нам понять, что существуют еще факторы, которые также объясняют зависимую переменную.

Рассмотрим подробнее влияние факторов. При увеличении коэффициента смертности населения в регионах на 1%, доля ВРП на душу населения в регионах увеличится на 30237,8 рублей. При увеличении уровня безработицы на 1%, доля ВРП на душу населения в регионах уменьшится на 26633,1 рубля.

Кроме того, чтобы убедиться в правильности полученных результатов, используя gretl, проведем тест на мультиколлинеарность с нашими переменными (Рис. 7).

Рисунок 7. Результаты теста на мультиколлинеарность факторов в gretl

По результатам теста, значения VIF для факторов X1, X2, X3 меньше, чем значение 10, поэтому данные факторы не признаются коллинеарными, а значит использовать одновременно их в модели регрессии можно.

Таким образом, проведя корреляционно-регрессионный анализ, нами была доказана зависимость между коэффициентом смертности, уровнем безработицы, а также среднедушевыми денежными доходами населения с уровнем валового регионального продукта. Каждый из факторов обладал большой степенью значимости с зависимой переменной, однако самым значимым оказался коэффициент смертности, в случае если из модели исключались среднедушевые денежные доходы населения.

В работе было выявлено, что распространение коронавируса оказало большое влияние на численность постоянного человека в выбранных регионах. Максимальное значение снижения численности постоянного населения было в Кемеровской области и составило около 66 тысяч человек. Помимо этого, анализ возрастных коэффициентов смертности показал, что из-за воздействия коронавируса процент смертности в таких категориях как: 55-59, 60-64 и 65-69 лет резко возрос даже до 40 промилле. Кроме того, смертность возросла и в категориях молодого и среднего поколения, что могло негативно отразиться на количестве молодых специалистов в организациях.

Также стоит отметить, что несмотря на рост уровня безработицы и спада уровня ВРП на душу населения 2020 году в выбранных регионах, организации и сами люди смогли адаптироваться под новые условия профессиональной деятельности, и уже в 2021 году значения показателей смогли прийти в норму.

В заключение можно сказать, что несмотря на отрицательное воздействие первой волны коронавирусного кризиса на демографические процессы и экономическое развитие регионов, предприятия и население областей смогли найти и принять необходимые решения для того, чтобы последствия кризиса были минимальными.

Список литературы:

1. Валовый региональный продукт на душу населения (ОКВЭД 2) [Электронный ресурс] / сайт официальной статистики ЕМИСС. – URL: https://www.fedstat.ru/indicator/61483
2. Введение в эконометрику / Джеймс Сток, Марк Уотсон; пер. с англ.; под науч. ред. М. Ю. Турунцевой.  — М.: Издательский дом «Дело» РАНХиГС, 2015. — 864 с. — (Академический учебник). ISBN 978-5-7749-0865-3
3. Возрастные коэффициенты смертности [Электронный ресурс] / сайт официальной статистики ЕМИСС. – URL: https://www.fedstat.ru/indicator/30974
4. Зубаревич, Н.В. Влияние пандемии на социально-экономическое развитие и бюджеты регионов // ВТЭ. 2021. №1. С. 48-60.
5. Коэффициент смертности [Электронный ресурс] / сайт официальной статистики Росстат. – URL: https://rosstat.gov.ru/storage/mediabank/mdemo2.htm
6. Российская Федерация. Законы. Трудовой кодекс Российской Федерации N 197-ФЗ: ТК : текст с изменениями и дополнениями, вступившими в силу с 01.03.2023 : [принят Государственной Думой 21 декабря 2001 года : одобрен Советом Федерации 26 декабря 2001 года]. – Москва : Кремль, 2001. – статья 63.
7. Уровень безработицы (по методологии МОТ) [Электронный ресурс] / сайт официальной статистики ЕМИСС. – URL: https://www.fedstat.ru/indicator/43062