CC BY
0
ОЦЕНКА ПЕРСПЕКТИВ УДЕЛЬНОГО ПОТРЕБЛЕНИЯ ПРОДОВОЛЬСТВЕННЫХ И ПРОМЫШЛЕННЫХ ТОВАРОВ В РОССИИ
ГАЛИМОВ Дмитрий Ирекович, [email protected], Центр макроэкономического анализа и краткосрочного прогнозирования, Институт народнохозяйственного прогнозирования, Российская академия наук, Москва, Россия ГНИДЧЕНКО Андрей Андреевич, к.э.н., [email protected], Центр макроэкономического анализа и краткосрочного прогнозирования, Институт народнохозяйственного прогнозирования, Российская академия наук, Москва, Россия ОЯСГО: 0000-0002-0678-8324
САЛЬНИКОВ Владимир Алексеевич, к.э.н., [email protected], Центр макроэкономического анализа и краткосрочного прогнозирования, Институт народнохозяйственного прогнозирования, Российская академия наук, Москва, Россия ОЯСГО: 0000-0002-4528-4348
В статье исследуются перспективы увеличения среднедушевого потребления товаров в России на основе сопоставления с уровнями потребления в других странах с использованием меж-страновыхробастныхрегрессий. Предложенные подходы дифференцированы по товарам аграрного и промышленного секторов, что позволяет учесть специфику статистических данных и особенности потребления в указанных секторах. Полученные в работе оценки интерпретируются как масштабы недопотребления товаров в текущей конфигурации основных факторов, влияющих на удельное потребление. Эти оценки предлагается интерпретировать как возможный потенциал для увеличения выпуска, а также наращивания импорта из стран, с которыми возможно развитие торговли и с которыми у России наблюдается высокое положительное сальдо торгового баланса (прежде всего, это Индия и Турция).
Ключевые слова: удельное потребление, товарные группы, межстрановые регрессии, Россия, ЕЛО, Рп^тот.
БО1: 10.47711/0868-6351-204-78-96
Введение. В 2022 г. против России были приняты широкомасштабные санкции [1], в значительной мере затронувшие внешнюю торговлю [2]: ограничены логистические возможности импорта и экспорта [3], проведение международных платежей [4], ввоз и вывоз товаров, включенных в санкционные списки ЕС и других стран «западной коалиции» [5]. В этих условиях объективно повышается значение потребления продукции на внутреннем рынке [6]. Кроме того, оценки потенциального уровня удельного потребления различных товаров актуальны для оценки возможностей повышения сбалансированности взаимной торговли между отдельными странами, особенно при переходе к расчетам в национальных валютах.
Возможности увеличения внутреннего спроса, безусловно, зависят от макроэкономической ситуации в стране, однако при этом могут существенно отличаться по товарным позициям вследствие разной степени насыщенности рынков. В статье делается фокус на оценке перспектив роста среднедушевого потребления товаров в России исходя из насыщенности спроса.
Отличительные особенности работы заключаются в следующем:
- предлагается подход, применимый как для товаров потребительского сектора, так и для более широкого круга промышленных товаров;
- особое внимание уделяется устойчивости получаемых регрессионных результатов, для чего используются четыре метода оценки;
- оценено среднедушевое потребление в России и странах Европы по агрегированным авторами промышленным товарным группам.
В первом разделе статьи представлен краткий обзор литературы, во втором изложена методология исследования, в третьем описываются используемые данные и полученные результаты. В заключение рассмотрены перспективы применения результатов исследования.
Обзор литературы. Для потребительских и, особенно, продовольственных товаров широко распространен подход, состоящий в сравнении фактического удельного (или среднедушевого) потребления и среднефизиологической нормы потребления. Такой подход часто и с определенными оговорками используется в исследованиях по продовольственной безопасности [7; 8]. Однако его применимость для оценки перспектив роста удельного потребления представляется ограниченной, так как нормативы удельного потребления, устанавливаемые в разных странах, могут существенно различаться. Так, нормативный уровень среднедушевого потребления молока и моло-копродуктов в России составляет 325 кг/год, в Беларуси - 393 кг/год, в Казахстане -301 кг/год, а фактическое удельное потребление в каждой из этих стран не превышает 261 кг/год [9, с. 71, таб. 1]. Этот пример хорошо иллюстрирует, что сравнение фактического удельного потребления товара с установленным в стране нормативом дает не вполне определенные ориентиры для оценки перспектив роста спроса.
В рамках другого подхода предполагается, что удельное потребление товаров в стране определяется набором экономических, демографических, географических и прочих факторов. В частности, в работе [10] исследуется зависимость среднедушевого потребления рыбы и морепродуктов от ВВП на душу населения, описаны различия в уровнях потребления разных видов рыбы и морепродуктов по регионам мира и странам; в статье [11] оцениваются факторы среднедушевого потребления мяса по 137 странам.
Такой вид анализа распространен для товаров аграрного сектора и, как правило, базируется на данных Продовольственной сельскохозяйственной организации ООН (FAO, Food and Agriculture Organization) в форме продовольственных балансов1. Эти данные имеют широкий географический охват, но для наименее развитых стран их точность по некоторым товарам может быть низкой - например, для группы стран Африки южнее Сахары оценка удельного потребления рыбы на основе продовольственных балансов FAO хуже сочетается с микроданными опросов Всемирного банка, чем оценка удельного потребления мяса [12]. В литературе перечислен широкий спектр причин, которые могут приводить к неточностям в данных FAO: от различий стран по доле некоммерческих производителей в выпуске продуктов питания, товарному охвату официальной статистики и подходам к учету потерь продовольствия до различий сельскохозяйственных культур по сезонности выращивания [13]. Поэтому данные FAO на наиболее детальном уровне считаются менее точными, чем агрегированные данные. Дополнительным аргументом в пользу необходимости анализа данных FAO на более высоком уровне агрегации выступает тот факт, что многие товары взаимозаменяемы, однако культурные аспекты их потребления отличаются. Например, кофе и чай, в принципе, удовлетворяют схожую потребность, но в большинстве стран преобладает только один из этих напитков [14]. Поэтому для целей анализа удельного потребления имеет смысл формировать группы товаров по признаку удовлетворения схожих потребностей.
Исследователи, которые фокусируются на анализе закономерностей потребления промышленных товаров, используют базу данных Евростата Prodcom - например, для разделения сельскохозяйственного сырья и товаров пищевой промышленности [15], оценки потребления прочих промышленных товаров, таких как химические продукты [16] или топливо [17].
1 URL: https://www.fa0.0rg/fa0stat/ru/#data/FBS
Как правило, в научной литературе межстрановые регрессии удельного потребления строятся для небольшого набора товаров и призваны решать узко поставленные задачи. В настоящей статье предлагается применять данный подход как возможную альтернативу использованию нормативных удельных уровней потребления товаров в качестве долгосрочного ориентира при прогнозировании. Отметим, что важную роль в прогнозировании играет исследование ретроспективных тенденций и сценирование (как это делается, например, в работе [18] для аграрного сектора). Предлагаемые в настоящей статье подходы могут использоваться и при сценировании, для определения экономически обоснованных целевых уровней удельного потребления.
Методология исследования. В общем виде, в работе решается задача поиска модельного значения удельного потребления товара в России на основе межстрановых регрессий:
рсси = /(xt(1-n),z£-m)), (1)
где рее; - вектор удельного потребления товара i по странам в году t, х(1,,,п) - век-
(1 ...т)
торы независимых переменных на уровне стран в целом, z>t - векторы независимых переменных на уровне стран и товаров.
При этом параллельно используется несколько методов оценки в целях получения устойчивых результатов:
- МНК2 с полной выборкой;
- МНК с экспертно усеченной выборкой;
- робастная регрессия в форме M-оценивания;
- робастная регрессия в форме MM-оценивания.
Необходимость такого подхода к оценке связана с тем, что удельное потребление само по себе является расчетным показателем, который далеко не всегда определяется точно. Ошибки измерения этого индикатора могут возникать вследствие недоучета серого производства и импорта, реэкспорта, изменения запасов и других факторов. Кроме того, качество статистической информации на уровне товаров может существенно различаться по странам. В связи с описанными причинами в ряде случаев требуется оценка регрессий с ограниченной выборкой.
Оценка МНК с экспертно усеченной выборкой производится только по странам, которые не были экспертно исключены из выборки на основании диагностики результатов МНК с полной выборкой и распределения значений зависимой и независимых переменных между странами. Фактически такая процедура идентична оценке по взвешенному МНК с присвоением нулевых весов экспертно исключаемым странам.
Робастная регрессия в форме M-оценивания строится на основе МНК с итеративным пересчетом весов (IRLS). Используется классическая функция потерь Хью-бера [19]5. Она накладывает относительно мягкие «штрафы» на наблюдения, для которых остаток близок к нулю, и более жесткие «штрафы» на наблюдения с большим по модулю остатком («штраф» уменьшает вес наблюдения).
Робастная регрессия в форме MM-оценивания [20] представляет собой сочетание S-оценки [21]¥, обеспечивающей пороговую точку5 на уровне 50%, и
2 МНК—метод наименьших квадратов.
3 Функция потерь — это функция от остатков, сумму значений которой по всем наблюдениям нужно минимизировать для получения робастной оценки (вместо суммы квадратов остатков в обычном МНК).
4 Б-оценка основывается на масштабировании остатков, исходя из их отклонения от значений, соответствующих нормальному распределению.
5 Пороговая точка — это минимальная доля наблюдений-выбросов, влияющая на результаты оценки. Для стандартного МНК характерна пороговая точка 1/п (где п — количество наблюдений); для наиболее робастных методов оценки пороговая точка составляет 50%.
эффективной M-оценки с функцией потерь Тьюки. Наблюдениям, которые представляют собой явные выбросы, с помощью этого метода присваивается нулевой вес (в отличие от M-оценивания с функцией потерь Хьюбера, где в принципе не предусматривается обнуление весов).
П о результатам оценки рассчитывается удельное потребление товара i в России согласно каждой модели. Наконец, определяется ожидаемый темп роста удельного потребления товара i в России как соотношение модельного и фактического удельного потребления.
Результаты регрессий по разным методам оценки сравниваются по значимости коэффициентов при независимых переменных, коэффициенту детерминации Л-квадрат, ожидаемым темпам роста удельного потребления товаров в России. Преимущество отдается результатам MM-оценивания как наиболее устойчивым к выбросам; сведения по остальным методам оценки также учитывались для формирования представления об устойчивости получаемых результатов6.
Источники данных и набор независимых переменных различаются для продукции агропромышленного сектора и прочих промышленных товаров. В связи с этим по каждому из данных секторов приводится отдельное детальное описание данных и получаемых результатов.
Используемые данные и результаты оценки. Оценка предельных темпов прироста удельного потребления агропромышленных товаров в России. Наиболее точные оценки объемов потребления по странам доступны для продукции агропромышленного сектора, поскольку именно в этой части имеются детальные разработки FAO в форме продовольственных балансов.
Такие балансы доступны за период 2010-2020 гг. по 185 странам и 97 видам товаров, которые агрегируются в пятнадцать товарных групп7 (табл 1, Приложение А). Оценка проводится по агрегированным товарным группам вследствие наличия сильных эффектов замещения внутри агрегированных товарных групп: например, в Китае мясо едят в основном в виде свинины, а в мусульманских странах ее не употребляют. Регрессии на агрегированном уровне позволяют элиминировать влияние таких эффектов.
Таблица 1
Перечень агрегированных товарных групп агросектора
Номер Агрегированная товарная группа
1 Алкогольные напитки
2 Злаки и продукты из них
3 Какао и какао-продукты
4 Кофе и чай
5 Яйца и мед
6 Фрукты и продукты переработки
7 Мясо и субпродукты
8 Молочные продукты
9 Масличные культуры
10 Масла и жиры
11 Морепродукты: рыба
12 Морепродукты: прочие
13 Специи
14 Сахар
15 Овощи и продукты переработки
Источник: составлено авторами на основе товарных групп FAO.
6 По большинству товаров они дали очень схожие результаты.
7 В терминах продовольственных балансов РАО товарные группы имеют сквозной характер — от сельскохозяйственного сырья до продуктов его переработки (например, фрукты и фруктовые соки относятся к одной товарной группе и не могут быть разделены).
В связи с тем, что спектр стран в базе данных FAO достаточно широк, для регрессий отбираются 104 страны с ВВП на душу населения по ППС в диапазоне от 10 до 74 тыс. долл. США (по состоянию на 2019 г.)5 Логика такого ограничения состоит в рассмотрении стран, не отстоящих по данному показателю критически далеко от России (30 тыс. долл. США), и в которых уже произошла первичная перестройка структуры потребления в сторону увеличения доли продуктов животного происхож-дения9. Кроме того, не рассматриваются страны с численностью населения менее 1 млн чел.10, что снижает выборку еще на 18 стран. Таким образом, регрессии в результате строятся на выборке из 86 стран по данным за 2019 г. Так как задача заключается в выявлении фундаментальных закономерностей в уровнях удельного потребления (или определении «нормального» уровня удельного потребления), выбор 2019 г. сделан сознательно - как последнего года, где не проявлялось действие разнообразных шоков11.
Зависимой переменной в регрессиях выступает потребление на душу населения либо в пищевых целях, либо в целом (оба показателя оцениваются в килограммах на душу). В продовольственных балансах FAO представлены объемы потребления товаров в каждой стране по направлениям потребления12, выраженные в тыс. т, а также информация о численности населения стран в тыс. чел., что позволяет оценить удельное потребление. В большинстве случаев общее удельное потребление оказывается более волатильным, чем удельное потребление в пищевых целях (рисунок).
Ограничение выборки до 86 стран в ряде случаев сглаживает вариативность. В качестве зависимой переменной по большинству агрегированных товарных групп было выбрано потребление в пищевых целях, и лишь по пяти товарным группам (злакам и продуктам из них, какао и какао-продуктам, масличным культурам, жирам и маслам, сахару) - потребление в целом. Критерием такого выбора выступал баланс между волатильностью показателя и охватом всего потребления: так, ни по одной из пяти отмеченных товарных групп медианная доля пищевого потребления не превысила 60% (что нельзя признать достаточным охватом), тогда как по остальным товарным группам она не опускалась ниже 78% (что достаточно для ограничения анализа только пищевым потреблением).
По каждой из агрегированных товарных групп строится регрессия для оценки зависимости удельного душевого потребления от ряда факторов (по данным за 2019 г.):
Yi = Xlf х Х2$ х X3iY x Х4^ x exp (Const), (2)
где Yi - объясняемая переменная (вектор среднедушевого потребления по товарной группе i в отобранных странах в натуральном выражении), Xli, X2i, X3i, X4i -
s Страны с ВВП на душу населения по ППС ниже Намибии и выше Швейцарии (последних всего пять — ОАЭ,
Ирландия, Катар, Люксембург, Макао) не рассматриваются (такой подход принят в отношения анализа
потребления продовольственных товаров).
9 Согласно [22] эластичность потребления продуктов питания по среднедушевому ВВП по ППС достигает пика на уровне 10 тыс. долл. США, после чего снижается. Это происходит, поскольку по мере роста удельного дохода снижается доля в потреблении доступной низкоэластичной по доходам растительной пищи, и растет доля продуктов животного происхождения. После указанной отметки эластичность потребления продуктов питания по среднедушевому ВВП по ППС ведет себя более предсказуемо, то есть уменьшается.
10 Поскольку для таких стран, чаще всего являющихся мелкими островными государствами, характерны как специфическая структура потребления товаров, так и ошибки в данных.
11 Действие этих шоков для более поздних лет с высокой вероятностью может привести к смещенности получаемых оценок (из-за временных факторов, таких как локдауны в 2020 г., избыточное стимулирование экономики развитых стран в 2021 г., рекордные цены сырьевых товаров на мировых рынках в 2022 г.). Оценка для «новых условий» была бы корректна с использованием данных за 2024 или 2025 год, ее проведение целесообразно провести после появления таких данных.
12 Пищевое (food), корм скота (feed), посев (seed), туризм (tourist consumption), переработка (processing), прочее непищевое (other uses, non-food), потери (losses), остатки (residuals).
векторы объясняющих переменных (возможно включение до четырех переменных), а, в, у, б - коэффициенты, Const - константа.
В качестве объясняющих факторов проверялись макроэкономические и специфические отраслевые показатели, которые могли бы оказывать влияние на удельное потребление по соответствующим агрегированным товарным группам (табл. 2 содержит перечень объясняющих факторов, оказавшихся значимыми хотя бы для одной агрегированной товарной группы). В качестве источников данных использовались показатели продовольственных балансов FAO (показатели 1-2), Всемирного банка (показатели 3-8)13, ООН (показатели 9-Ю)14, комбинация данных World Cities Database о координатах городов15 и данных Natural Earth о координатах береговых линий16 (показатели 11-12).
Рисунок. Межстрановая волатильность удельного потребления в натуральном выражении по агрегированным товарным группам: - - потребление, всего (185 стран); -х- потребление, пищевое (185 стран);
---потребление, всего (86 стран);-потребление, пищевое (86 стран);
□ агрегированные товарные группы, по которым зависимой переменной является потребление в целом (процент указывает на медианную долю потребления в пищевых целях)
Источник: оценка по данным РАО за 2019 г.
Показатель близости к береговой линии рассчитывался следующим образом. На первом этапе для каждого города, относившегося к той или иной стране, определялось ближайшее расстояние до береговой линии:
distg = mm(|iatg — latL\) + min(|ionfl — lon}\), (3)
i j
где distg - выраженное в градусах расстояние между городом g и ближайшей точкой береговой линии, latg (long) - широта (долгота) города g, latl (lorij) - вектор широты (долготы) береговой линии.
13 URL: https://data.worldbank.org/
14 URL: https://population.un.org/wpp/Download/Standard/Population/
15URL: https://simplemaps.com/data/world-cities
16 URL: https://www.naturalearthdata.com/downloads/10m-physical-vectors/10m-coastline/
Н а втором этапе для каждой страны определялся показатель близости к береговой линии как доля населения городов, проживающего в пределах расстояния к градусов от береговой линии:
(к) _ Zgec
(distg<k)
ргох™ = ^f-— X 100, (4)
где prox^ - близость страны с к береговой линии с порогом к (в процентах от численности населения городов), Ng - численность населения города д, к - экзогенно задаваемое пороговое число градусов из условия суммирования (distg < к)17.
Таблица 2
Перечень значимых объясняющих факторов для агросектора
№ Код показателя Показатель Единицы измерения
1 prod_pc Удельный выпуск товара кг на чел.
2 x/R Доля экспорта в ресурсах продукции (экспорт, отнесенный к сумме выпуска и импорта) %
3 pppgdp_pc Подушевой ВВП по ППС тыс. долл. США на чел.
4 water pc Количество пресной воды на душу населения куб. м на чел.
5 Удобр га Удельный расход удобрений кг на 1 га пашни
6 Пашня чел Площадь пашни на душу населения тыс. га на чел.
7 Пашня дол Доля пахотной земли % от площади
8 temp max Средняя температура самого жаркого месяца °С
9 sh 65+ Доля населения старше 65 лет % населения
10 sh_20- Доля населения младше 20 лет % населения
11 coast_prox1 Близость к береговой линии с порогом 1 ° (на основе средневзвешенного расстояния городов до береговой линии) индекс в долях единицы
12 coast_prox2 Близость к береговой линии с порогом 2° (на основе средневзвешенного расстояния городов до береговой линии) индекс в долях единицы
Источник: составлено авторами.
По всем товарным группам агропромышленного комплекса удалось построить регрессии с удовлетворительной значимостью независимых переменных (полные результаты регрессий представлены в Приложении Б, табл. Б. 1). Объясняющая способность регрессий оказалась высокой: так, в большинстве случаев скорректированный коэффициент детерминации R-квадрат превышал 0,6; лишь по трем агрегированным товарным группам - фрукты и продукты их переработки, какао и какао-продукты, специи - скорректированный коэффициент детерминации R-квадрат оказался ниже (0,32, 0,34 и 0,30, соответственно)15.
Из пятнадцати товарных групп только по семи было выявлено недостаточное удельное потребление в России по сравнению с модельным значением. Путем деления модельного значения удельного потребления на фактический уровень был рассчитан предельный темп прироста удельного потребления по этим семи товарным группам (табл. 3).
Оценка предельных темпов прироста удельного потребления прочих промышленных товаров в России. При определении предельных темпов прироста удельного
17 Помимо расстояния от береговой линии, рассчитанного указанным образом, рассматривалось и два более простых показателя: протяженность береговой линии на душу населения, а также соотношение протяженности береговой линии и площади (по данным Всемирного банка и CIA World Factbook). Эти показатели в результате не вошли ни в одну из регрессий.
18 В исследовании выбран минимальный порог скорректированного коэффициента детерминации R-квадрат на уровне 0,3, поскольку, во-первых, приоритетом выступает не точность оценки, а представление о масштабе потенциального спроса, а во-вторых, различия в предпочтениях между гражданами разных стран трудно учесть без привлечения межстрановых микроуровневых данных, что выходит за рамки статьи.
потребления промышленных товаров полагалось, что потенциал роста спроса в России характеризуется соотношением фактического удельного потребления и его модельного уровня, характерного для большинства стран Европы19.
Решение данной задачи предполагает выполнение трех блоков работ:
- оценка удельного потребления по группам товаров в странах Европы;
- оценка удельного потребления по группам товаров в России;
- оценка зависимостей удельного потребления от различных показателей и расчет модельного уровня потребления для России.
Таблица 3
Предельные темпы прироста удельного потребления по товарным группам агро-сектора с потенциалом роста потребления
Источник Товарная группа Темп прироста, %
БЛО Специи 189
БЛО Кофе и чай 64
БЛО Масла и жиры 27
БЛО Морепродукты: прочие 23
БЛО Фрукты 11
БЛО Молочные продукты 9
БЛО Сахар и сладости 4
Источник: оценки авторов.
Оценка среднедушевого потребления по группам товаров в странах Европы производится на основе базы данных Prodcom. Эта база данных формируется Евроста-том на основе опросов предприятий, проводимых национальными статистическими комитетами стран Евросоюза, а также ряда других европейских стран (полный перечень стран - табл. 4), и содержит статистику о производстве и внешней торговле примерно по 4 тыс. основным видам продукции в натуральном и/или стоимостном выражении.
Таблица 4
Перечень используемых в анализе стран*
№ Страна № Страна № Страна № Страна
1 Франция 10 Испания 19 Турция 28 Болгария
2 Нидерланды 11 Бельгия 20 Эстония 29 Словения
3 Германия 12 Люксембург 21 Латвия 30 Хорватия
4 Италия 13 Исландия 22 Литва 31 Босния и Герцеговина
5 Великобритания 14 Норвегия 23 Польша 32 Македония
6 Ирландия 15 Швеция 24 Чехия 33 Черногория
7 Дания 16 Финляндия 25 Словакия 34 Сербия
8 Греция 17 Австрия 26 Венгрия 35 Кипр
9 Португалия 18 Мальта 27 Румыния
* В отличие от продовольственных товаров, для промышленных товаров в используемую для регрессий выборку попадают и страны с очень высоким среднедушевым ВВП. Это связано с тем, что с определенного уровня экономического развития потребление продуктов питания перестает расти, поэтому для продовольственных товаров важно отсечь страны с очень высоким благосостоянием, чтобы они не искажали результаты регрессий. Однако для промышленных товаров таких ограничений нет._
Источник: составлено авторами.
Следует учитывать, что удельное потребление отдельных, детализированных видов продуктов в разных странах может определяться множеством индивидуальных
19 Ограничение выборки странами Европы в данной части исследования обусловлено тем, что сопоставимые данные о потреблении промышленных товаров по широкому кругу стран (по аналогии с теми, которые публикует FAO) отсутствуют. Поэтому используются данные Евростата. Такой фокус для настоящего исследования допустим, поскольку страны Европы наиболее близки России в культурно-бытовом плане, т. е. имеют более схожие с Россией потребительские привычки, чем прочие страны дальнего зарубежья.
факторов, выявление которых представляется принципиально затруднительным. В то же время представляется, что для более укрупненных групп товаров интенсивность потребления обусловлена фундаментальными и проще выделяемыми факторами. С учетом этого, около 4 тыс. товаров (кроме продукции пищевой промышленности) из базы данных Prodcom были расклассифицированы на 49 товарных групп (табл. 5), по которым и проводился дальнейший анализ удельного потребления.
Соответственно, по этим товарным группам для всей выборки стран Европы (табл. 4) были рассчитаны объемы производства, экспорта и импорта в стоимостном выражении. Среднедушевое потребление по этим группам определялось по формуле:
PcciiC = (QUc + MiiC - XUc)/Nc, (5)
где pcCi C - удельное потребление товарной группы i в стране с, Qi c - производство товарной группы i в стране с, Mi c - импорт товарной группы i страной с, Xi c - экспорт товарной группы i страной с, Nc - численность населения страны с.
Таблица 5
Перечень анализируемых товарных групп сектора промышленности
№ Группа № Группа
1 Ткани, пряжа, нитки 26 Продукция черной металлургии
2 Потребительские ткани (постельное белье, 27 Продукция цветной металлургии
одеяла и т. п.)
3 Одежда 28 Металлоизделия
4 Кожа и кожаные изделия 29 Электроника
5 Обувь 30 Компьютеры
6 Пиломатериалы 31 Приборы
7 Изделия из дерева 32 Медтехника
8 Целлюлозно-бумажная продукция 33 Электрооборудование
9 Полиграфия 34 Бытовые приборы
10 Основные химические вещества 35 Машины и оборудование общего назначения
11 Удобрения 36 Прочие машины и оборудования общего назначения
12 Пластмассы 37 Машины и оборудование для сельского и лес-
ного хозяйства
13 Каучук 38 Продукция станкостроения
14 Пестициды 39 Производство прочих машин спецназначения
15 Лакокрасочные материалы 40 Автопром
16 Парфюмерно-косметические средства 41 Железнодорожное машиностроение
17 Химические волокна 42 Авиапром
18 Прочая химия 43 Прочие транспортные средства
19 Фармацевтика 44 Мебель
20 Резиновые изделия 45 Ювелирные изделия
21 Пластмассовые изделия 46 Музыкальные инструменты
22 Стекло 47 Спорттовары
23 Керамика и огнеупоры 48 Игрушки
24 Цемент 49 Прочие готовые изделия
25 Изделия из бетона, цемента, гипса
Источник: составлено авторами.
Оценка фактического удельного потребления в России производилась для видов экономической деятельности, сопоставимых с анализируемыми товарными группами.
При этом среднедушевое потребление по видам экономической деятельности также рассчитывалась по формуле:
PCCi.RU = (Qi.RU + Mi.RU - Х11Ки)/Мки, (6)
где рсс^дц - удельное потребление товарной группы I в России, QlдU - производство товарной группы I в России, М^дц - импорт товарной группы I Россией, Х^дц -экспорт товарной группы I Россией, Ы11и - численность населения России.
Стоимостной объем экспорта и импорта по видам деятельности рассчитывался на основе данных ФТС России о внешней торговле. Для решения этой задачи была разработана система переходных ключей, на основании которых осуществлялось преобразование данных шестизначного уровня ТН ВЭД в четырехзначные виды деятельности (группы) ОКВЭД 220.
Для оценки стоимостного объема производства по видам деятельности использовались данные годовой бухгалтерской отчетности (ГБО) о выручке по полному кругу предприятий, публикуемой Росстатом21. При этом в случаях, когда вид деятельности не может быть однозначно (полностью) соотнесен с товарной группой, для уточнения использовались данные о выпуске важнейших видов продукции в натуральном выражении, относящихся к такому виду деятельности.
Важно отметить, что вид экономической деятельности заведомо включает в себя более широкий круг продукции, чем входит в товарную группу. Это приводит к завышению удельного потребления для России по сравнению со странами Европы, и при дальнейшем анализе это надо учитывать. Это означает, что в случае, когда удельное потребление в каком-либо сегменте в России выше европейского, то из этого нельзя сделать уверенный вывод о повышенном спросе в России, но в случае, когда российское потребление отстает от европейского, это однозначно указывает на заниженный отечественный спрос на данную продукцию. Иными словами, полученные оценки возможного роста потребления являются «оценками снизу».
Оценка зависимости удельного потребления от макроэкономических показателей для каждой из товарных групп проводилась по данным за 2019 г. на основе регрессионного анализа, где регрессия имела вид:
Yi = Xl* х Х2$ х exp (Const), (7)
где Yi - объясняемая переменная, Xli, X2i- объясняющие переменные, а и в - коэффициенты регрессии, Const - константа.
Объясняемой переменной выступила величина среднедушевого потребления по странам из базы данных Prodcom. В качестве объясняющих факторов проверялся ряд макроэкономических и структурных показателей, от которых, как предполагалось, должно было зависеть удельное потребление продукции соответствующих товарных групп. В качестве источника данных преимущественно использовались базы данных Всемирного банка22 и ОЭСР25. По результатам значимая зависимость была выявлена в отношении нескольких из них (табл. 6).
Из 49 товарных групп у 37 выявлена значимая зависимость величины среднедушевого потребления от указанных показателей (полные результаты регрессий по таким товарным группам даны в Приложении Б, табл. Б. 2). Во всех случаях первым фактором выступала величина среднедушевого ВВП; в большинстве случаев получившаяся регрессия была однофакторной.
Объясняющая способность регрессий оказалась умеренно высокой: так, в большинстве случаев (по 22 из 37 товарным позициям) скорректированный коэффициент детерминации R-квадрат оказался выше 0,5, а минимальный порог 0,3 был превышен по 30 товарным позициям из 3724.
20 На основе экспертно дополненного ключа ТН ВЭД — ОКПД 2 Минэкономразвития России: URL: Иирв://есопотуяоу.ги/тагепаЩе/08с[71еЬ4ее2с81б0078<К1700е7454ЬЬ/тВЭД_ОКПД2.х1хх
21 Источник: витрина данных Росстата. URL: https://showdata.gks.ru/finder/descriptors/278140/
22 URL: https://data.worldbank.org/
23 URL: https://stats.oecd.org/
24 Низкая объясняющая способность регрессии не позволила использовать результаты оценки по семи
товарным группам: обувь, химические волокна, стекло, керамика и огнеупоры, оборудование для сельского и лесного хозяйства, ювелирные изделия, игрушки.
Таблица 6
Перечень значимых объясняющих факторов для прочих промышленных товаров
№ Код показателя Показатель Единицы измерения
1 ВВП_чел. ВВП на душу населения Долл./чел.
2 Сельхоз._Дол Доля сельского хозяйства в валовой добавленной стоимости %
3 Легк_Дол Доля легкой промышленности в валовой добавленной стоимости %
4 Леса Площадь леса на душу населения кв. км/тыс. чел.
5 Химия_Дол Доля химического производства в валовой добавленной стоимости %
6 Пашня чел Площадь пахотных земель тыс. га/чел.
7 Пласт_Дол Доля производства резины и пластмассы в валовой добавленной стоимости %
8 Строй_Дол Доля строительства в валовой добавленной стоимости %
9 Мет Изд_Дол Доля металлоизделий в валовой добавленной стоимости %
10 МС_Дол Доля машиностроения в валовой добавленной стоимости %
11 Комп_Дол Доля производства компьютеров и электронных изделий в валовой добавленной стоимости %
12 Элоборуд_Дол Доля производство электрооборудования в валовой добавленной стоимости %
13 Обработка_Дол Доля обрабатывающих производств в валовой добавленной стоимости %
14 Автопром Дол Доля автопрома в валовой добавленной стоимости %
Источник: составлено авторами.
Отметим, что еще четыре товарные позиции - пиломатериалы, каучук, пестициды, прочие транспортные средства - были исключены из анализа на основании существенного отличия фактического и модельного удельного потребления в России (что также означает существенную разницу в оценках удельного потребления для России и стран Европы, по которым оценивались регрессии), связанного с низким качеством данных. Например, фактическое удельное потребление пиломатериалов в России было оценено в 0,35 кг на чел., тогда как модельное - в 65,8 кг на чел. (возможная причина такого занижения потребления - завышение экспорта пиломатериалов из-за «маскировки» вывоза необработанной древесины). Технически существенное отличие фактического и модельного уровней потребления определялось на основе анализа вектора весов по странам, получавшегося на выходе после ММ-оценивания. Товары, по которым Россия находилась в числе стран с самым низким весом, были исключены из анализа25.
Из оставшихся 26 товарных групп только по одиннадцати товарным группам было выявлено недостаточное удельное потребление в России по сравнению с модельным значением. Путем деления модельного значения удельного потребления на фактический уровень был рассчитан предельный темп прироста удельного потребления по этим одиннадцати товарным группам (табл. 7).
Заключение. В статье применен подход межстрановых регрессий для оценки удельного потребления товаров от набора специфических для стран факторов, который позволил оценить предельные темпы прироста спроса на широкий спектр товаров в России. Ограничение использованного подхода заключается в том, что перспективы спроса оцениваются для текущих значений факторов, что может интерпретироваться как оценка масштабов недопотребления товаров в России (недостаточной насыщенности рынка). Поэтому фактические темпы роста среднедушевого потребления могут оказаться выше, если развитие экономики пойдет по позитивному сценарию.
25 Поскольку низкий вес в такой регрессии
— косвенный признак низкого качества данных.
Таблица 7
Предельные темпы прироста удельного потребления по прочим промышленным товарам с потенциалом роста потребления
Источник Товарная группа Темп прироста, %
Prodcom Целлюлозно-бумажная продукция 75
Prodcom Основные химические вещества 67
Prodcom Удобрения 50
Prodcom Потребительские ткани (постельное белье, одеяла, ковры) 43
Prodcom Станки, машины и оборудование для обработки металлов и прочих
материалов 41
Prodcom Полиграфия 41
Prodcom Одежда 24
Prodcom Изделия из дерева 21
Prodcom Прочие готовые изделия 19
Prodcom Музыкальные инструменты 17
Prodcom Электроника 15
Источник: оценки авторов.
Полученные в настоящей работе оценки показывают, что высокий потенциал роста внутреннего производства за счет обоснованного повышения удельного потребления (в 1,5-1,8 раза) наблюдается по ряду промышленных товаров (прежде всего, химического комплекса, целлюлозно-бумажной продукции), менее высокий (рост примерно в 1,4 раза) - по продукции текстильной промышленности и машиностроения. Умеренный потенциал роста (в 1,2-1,3 раза) фиксируется по ряду товаров агропромышленного комплекса (жиры и масла, морепродукты), а также ряда промышленных товаров (одежда, продукция деревообработки, прочие готовые изделия26). По этим же товарам возможно и одновременное увеличение импорта, особенно актуальное в случае наличия несбалансированности взаимной торговли между Россией и отдельными странами и при переходе в такой торговле к расчетам в национальных валютах. Наиболее же высокий рост импорта целесообразен в условиях несбалансированности для таких товаров, как специи, кофе и чай. Оценки показывают, что возможное увеличение импорта (только по товарам с несбалансированной торговлей с Россией и только с дружественными странами) оценивается примерно в 10 млрд долл.
В перспективе апробированный подход может быть использован как для сцени-рования развития отдельных отраслей экономики, так и для менее очевидных задач - в частности, для прогнозирования дополнительной потребности в импорте. По целому ряду продовольственных товаров (прежде всего, по специям, кофе и чаю, для которых был выявлен наиболее высокий потенциал роста спроса) возможности производства по объективным причинам ограничены, что, в случае увеличения спроса на эти товары, приведет к наращиванию импорта.
Литература / References
1. Timofeev I. Sanctions on Russia: A New Chapter. Russia in Global Affairs. 2022. Vol. 20. No. 4. Pp. 103-119. URL: https://doi.org/10.31278/1810-6374-2022-20-4-103-119
2. Ушкалова Д.И. Внешняя торговля России в условиях санкционного давления // Журнал Новой экономической ассоциации. 2022. № 3 (55). С. 218-226. URL: https://doi.org/10.31737/2221-2264-2022-55-3-14 [Ush-kalova D.I. Russia's Foreign Trade under Sanctions Pressure. Journal of the New Economic Association. 2022. Vol.. 3. No. 55. Pp. 218-226. (In Russ.)]
3. Голубчик А.М., Пак Е.В. Внешнеторговая транспортная логистика России в условиях санкционного режима: год спустя // Российский внешнеэкономический вестник. 2023. № 10. С. 77-84. URL: https://doi.org/10.24412/2072-8042-2023-10-77-84 [Golubchik A.M., Pak E.V. Logistics of Russia's Foreign Trade and Economic Sanctions: Marking First Anniversary. Russian Foreign Economic Journal. 2023. No. 10. Pp. 77-84. (In Russ.)]
26 Группа, включающая спортивные товары, ювелирные изделия, игры и игрушки.
4. Dubinin S. Russia's Financial System under Sanctions: Logic of Confrontation. Russia in Global Affairs. 2022. Vol. 20. No. 4. Pp. 82-102. URL: https://doi.org/10.31278/1810-6374-2022-20-4-82-102
5. Meissner K., Graziani C. The Transformation and Design of EU Restrictive Measures against Russia. Journal of European Integration. 2023. Vol. 45. No. 3. Pp. 377-394. URL: https://doi.org/10.1080/07036337.2023.2190105
6. Шаститко А.Е., Павлова Н.С. Приоритетность удовлетворения внутреннего спроса: от идеи до эффектов // Вестник Московского университета. Серия 6. Экономика. 2022. No. 3. Pp. 107-120. URL: https://doi.org/10.38050/01300105202236 [Shastitko A.E., Pavlova N.S. Prioritizing Domestic Demand: From Idea to Effects. Moscow University Economic Bulletin. 2022. No. 3. Pp. 107-120. (In Russ.)]
7. Ksenofontov M.Yu., Polzikov D.A., Gol'denberg I.A., Sitnikov P.V. Methodological Problems of the Formation of the Concept ofFood Security in Russia // Studies on Russian Economic Development. 2018. Vol. 29. No. 5. Pp. 551-557. URL: https://doi.org/10.1134/S1075700718050088
8. Гумеров Р.Р. Продовольственная безопасность России: проблемы и угрозы // ЭКО. 2016. No. 5. Pp. 71-88. URL: https://doi.org/10.30680/EC00131-7652-2016-5-71-88 [Gumerov R.R FoodSecurity of Russia: Problems and Threats. ECO. 2016. No. 5. Pp. 71-88. (In Russ.)]
9. Ползиков Д.А. Текущее состояние продовольственной безопасности в странах ЕАЭС // ЭКО. 2020. No. 6. Pp. 67-86. URL: https://doi.org/10.30680/EC00131-7652-2020-6-67-86 [Polzikov D.A. Current State of Food Security in the Eurasian Economic Union Countries. ECO. 2020. No. 6. Pp. 67-86. (In Russ.)]
10. Naylor R.L., Kishore A., Sumaila U.R. et al. Blue Food Demand Across Geographic and Temporal Scales. Nature Communications. 2021. Vol. 12. Article No. 5413. URL: https://doi.org/10.1038/s41467-021-25516-4
11. Milford A.B., Le Mouel C., Bodirsky B.L., Rolinski S. Drivers of Meat Consumption. Appetite. 2019. No. 141. Article No. 104313. URL: https://doi.org/10.1016/j.appet.2019.06.005
12. Desiere S., Hung Y., Verbeke W., D'Haese M. Assessing Current and Future Meat and Fish Consumption in SubSahara Africa: Learnings from FAO Food Balance Sheets and LSMS Household Survey Data. Global Food Security. 2018. Vol. 16. Pp. 116-126. URL: https://doi.org/10.1016/j.gfs.2017.12.004
13. Cafiero C. What Do We Really Know about Food Security? NBER Working Paper. 2013. No. 18861.
14. Grigg D. The Worlds of Tea and Coffee: Patterns of Consumption. GeoJournal. 2002. No. 57. Pp. 283-294. URL: https://doi.org/10.1023/B:GEJ0.0000007249.91153.c3
15. Caldeira C., De Laurentiis V., Corrado S., van Holsteijn F., Sala S. Quantification of Food Waste per Product Group Along the Food Supply Chain in the European Union: A Mass Flow Analysis. Resources, Conservation and Recycling. 2019. No. 149. Pp. 479-488. URL: https://doi.org/10.1016/j.resconrec.2019.06.011
16. Bolinius D.J., Sobek A., Lof M.F., Undeman E. Evaluating the Consumption of Chemical Products and Articles as Proxies for Diffuse Emissions to the Environment. Environmental Science: Processes & Impacts. 2018. No. 20. Pp. 1427-1440. URL: https://doi.org/10.1039/C8EM00270C
17. Bardazzi R., Oropallo F., Pazienza M.G. Do Manufacturing Firms React to Energy Prices? Evidence from Italy. Energy Economics. 2015. No. 49. Pp. 168-181. URL: https://doi.org/10.1016/j.eneco.2015.01.014
18. Ksenofontov M.Y., Polzikov D.A., Verbitskiy Y.S., Melnikova Ya.S. On the Assessment of the Potential Expansion of Agricultural Production and Its Structural Shifts // Studies on Russian Economic Development. 2017. Vol. 28. No. 6. Pp. 624-636. URL: https://doi.org/10.1134/S1075700717060041
19. Huber P.J. Robust Estimation of a Location Parameter. The Annals of Mathematical Statistics. 1964. No. 35. No. s1. Pp. 73-101.
20. Yohai V.J. High Breakdown-Point and High Efficiency Robust Estimates for Regression. The Annals of Statistics. 1987. No. 15. No. 2. Pp. 642-656.
21. Rousseeuw P., Yohai V. Robust Regression by Means of S-estimators. In: Franke J., Hardle W., Martin D. (eds), Robust and Nonlinear Time Series Analysis. Lecture Notes in Statistics. No. 26. Springer. New York, NY. 1984. Pp. 256-272.
22. Fukase E., Martin W. Economic Growth, Convergence, and World Food Demand and Supply. World Development. 2020. No. 132. Article No. 104954. URL: https://doi.org/10.1016/j.worlddev.2020.104954
Приложение А Состав агрегированных товарных групп агросектора
Таблица А. 1
Полный перечень анализируемых товарных групп агросектора
Номер Агрегированная товарная группа Товар
А 1 2
1 Алкогольные напитки Пиво Вино Напитки алкогольные, ферментированные Напитки алкогольные, прочие Алкоголь, непищевой
2 Злаки и продукты из них Пшеница и продукты из нее Рожь и продукты из нее Ячмень и продукты из него Овес Просо и продукты из него Сорго и продукты из него Кукуруза и продукты из нее Прочие злаки Рис и продукты из него Детское питание на основе злаков
3 Какао и какао-продукты Какао и какао-продукты
4 Кофе и чай Кофе и продукты из него Чай (включая мате)
5 Яйца и мед Яйца Мед
6 Фрукты и продукты переработки Бананы Плантайны (бананы для жарки) Цитрусовые: апельсины, мандарины Лимоны, лаймы и продукты из них Грейпфруты и продукты из них Цитрусовые: прочие Яблоки и продукты из них Ананасы и продукты из них Виноград и продукты из него, кроме вина Финики Фрукты, прочие Орехи и продукты из них
7 Мясо и субпродукты Говядина Свинина Мясо птицы Баранина и козлятина Мясо, прочее Субпродукты
8 Молочные продукты Молоко и продукты из него, кроме масла Крем-фреш
9 Масличные культуры Семена подсолнечника Семена рапса и горчицы Пальмовые ядра Семена кунжута Семена хлопка Кокосы, включая копру Соевые бобы Арахис Масличные, прочие
Окончание таблицы А. 1
А 1 2
10 Масла и жиры Подсолнечное масло Оливковое масло Рапсовое и горчичное масло Пальмовое масло Пальмоядровое масло Кунжутное масло Хлопковое масло Кокосовое масло Соевое масло Арахисовое масло Масло зародышей кукурузы Масло из рисовых отрубей Растительные масла, прочие Сливочное масло, масло гхи Рыбный жир (из мяса рыбы) Рыбий жир (из печени рыбы) Животные жиры, сырые
11 Морепродукты: рыба Рыба пресноводная Рыба морская, донная Рыба морская, пелагическая Рыба морская, прочая
12 Морепродукты: прочие Водные растения Ракообразные Моллюски, головоногие Моллюски, прочие Водные млекопитающие Водные животные, прочие
13 Специи Перец горошек Перец стручковый Гвоздика Специи, прочие
14 Сахар Сахарная свекла Сахарный тростник Сахар-сырец Сахар-песок Подсластители, прочие
15 Овощи и продукты переработки Фасоль Горох Прочие бобовые и продукты из них Картофель и продукты из него Сладкий картофель Маниок и продукты из него Ямс Съедобные корнеплоды, прочие Томаты и продукты из них Лук Оливки, включая консервированные Овощи, прочие
Источник: составлено авторами на основе товарных групп РАО.
н енц
о
р
о ф
с с е
егр
е р
яа нат
с а б о
3
а р
оркт
е с о
ораг
у руг
ар в
вот
е с в
оп
с с е
ерг
е р
§
т ь
льу
з е Р
ооооттоооооооооооооосчт^^нчошоооо
©0 ЧО О^ С^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^
8 7 1 1 9 8 6 6 5 3 3 4 4 6 3 1 2 3 1 1 6
. * о о*
О * *
СЧ © Л©
л
|
аП -
л * с *
2 2
о * К £ * _1* &0© &чо
|С^Ю ©
9
о ¡¡^
* л о
+ * ш *
шн 1,0-а- аП
о* о* о* £ о* о* о* о* о* * о* о* о* о*
О,* О,* Л* р. Л* Л* Л* Л* р. * * Л* Л* О,* Л*
I* I* I* '* I* I* I* I* I* СЕн * СЕн * I* I* I* I*
£ ©
чВ'ЧВ^В00,® 'Л. 0 &0
^ ^ ^ у
I* ^ ^ I I* I* I* & I* I* I* I* I*
^р* ^р* ^р* I* ^р* I*
^ ^ ^ 12Ч ^ ^ ^ ^ 124 ^
&,© &,© &,© &0 &,© &,© &,© &,© &,© &0 &,© Л^4 &,© &,© &,©
тк
куд
о
у д
о р
п и
и щ
в
М вО
к кур
©
лук
р
п и
ч и
е ф
о оК
ку
д
е ем
ии и
ца ец пй О ^
д а н
а р
а
к о-
ис м
§
С! * ^ *
*
ед
4а I ^ ?
-а ^ ^ а
а р
рда
^ я
а ■. § ^
та
к
^ и
. о ^ ^
а 9 к * а а
I §
5
1 ^ 3
са р
Таблица Б. 2
Результаты регрессий по прочим промышленным товарам (робастная регрессия в форме ММ-оценивания)
Товарная группа Константа Фактор 1 Фактор 2 У & У
Ткани, пряжа, нитки -0,04 ВВП чел ЛегкЛол 0,80 36.50
0 48*** 0,81*** 27.00
Потребительские ткани (постельное белье, одеяла, ковры) -6,18*** ВВП чел 0,79 12.50
17.90
Одежда -1,03 ВВП чел 0,44 82.30
0.60*** 102.40
Обувь 0,10 ВВП чел 0,24 27.30
0 39*** 41.30
Пиломатериалы -9,62*** ВВП чел Леса 0,68 0.35
^ 27*** 0 4^*** 65.80
Изделия из дерева -6,48*** ВВП чел 0,62 35.10
1 09*** 42.60
Целлюлозно-бумажная продукция -2,62* ВВП чел Леса 0,46 94.70
0.76*** 0,14** 165.80
Полиграфия -2,42* ВВП чел 0,48 37.30
0.68*** 52.60
Основные химические вещества -3,96* ВВП чел Химия_Дол 0,59 53.40
0 90*** 0,45** 89.30
Удобрения -2,09 ВВП чел Пашня чел 0,34 34.60
0.31* 0.47*** 51.80
Пластмассы 0,88 ВВП чел Пласт_Дол 0,77 82.10
0.42*** 0,65*** 50.60
Каучук -8,06** ВВП чел Пласт_Дол 0,69 1.02
1.06*** 1 49*** 3.44
Пестициды 5,64** ВВП чел Пашня чел 0,33 10.20
-0.43** 0,29* 33.40
Химволокна -1,31 ВВП чел ЛегкЛол 0,26 6.08
0.41* 0,52*** 5.78
Резиновые изделия 1,00 ВВП чел Пласт_Дол 0,39 43.20
0.34*** 0,35*** 41.00
Пластмассовые изделия -0,62 ВВП чел Пласт_Дол 0,83 142.60
0.65*** 0,61*** 108.40
Стекло -2,23 ВВП чел Строй_Дол 0,24 29.30
0.54** 0,4 32.20
Керамика и огнеупоры 0,23 ВВП чел 0,23 33.10
0 32*** 26.20
К
Окончание таблицы Б. 2
О с
а>
Товарная группа Константа Фактор 1 Фактор 2 Adj. R2 Y & Y'
Изделия из бетона, цемента, гипса, абразивы -3,18*** ВВП чел Строй Дол 0,69 117.30
0 70*** 0,66*** 87.50
Металлоизделия _4 J}*** ВВП чел МетИзд Дол 0,76 195.60
0 97*** 0.67*** 123.20
Электроника 1,08 ВВП чел МС Дол 0,58 158.50
041*** 0,28*** 182.00
Компьютеры -4,62*** ВВП чел 0,79 63.80
0 91*** 50.80
Бытовые приборы -2,31 ВВП чел Комп Дол 0,68 81.80
0.67*** 0,43*** 44.60
Медтехника -8,18*** ВВП чел 0,52 41.50
1 23*** 27.70
Электрооборудование -3,15** ВВП чел Элоборуд Дол 0,72 161.90
0 g7*** 0;з7*** 88.80
Бытовые приборы -1,91* ВВП чел 0,52 46.90
0 59*** 38.90
Оборудование для сельского и лесного хозяйства -7,71* ВВП чел Пашня чел 0,25 30.90
0.80** 0,63** 54.90
Станки, оборудование для обработки твердых материалов -6,03*** ВВП чел Обработка Дол 0,80 16.30
0.44** 1 99*** 23.10
Прочие машины специального назначения -4,67*** ВВП чел Обработка Дол 0,72 98.20
0.64*** 1 12*** 67.40
Автомобили 1,76 ВВП чел Автопром Дол 0,48 459.50
0.48*** 0,24*** 412.20
Прочие транспортные средства -6,98*** ВВП чел 0,60 4.90
1 01*** 11.80
Мебель -4,08*** ВВП чел 0,64 77.70
0.88*** 62.50
Ювелирные изделия -3,39 ВВП чел 0,18 9.49
0.57** 7.30
Музыкальные инструменты -10,20*** ВВП чел 1.08*** 0,47 0.76 0.88
Спорттовары ВВП чел 0,58 3^96
1 14*** 3.78
Игрушки -1,71 ВВП чел 0,27 10.90
0.46*** 13.70
Прочие готовые изделия -2,74** ВВП чел 0,56 12.90
0.58*** 15.30
о:
та
о 0
(Я
^
to го
И О
3 §
го о»
и
о
ё (Я
о
е
о н
(Я го
и §
я -§
о
и
S
н о
(Я
■ё о
(Я
Примечание: Adj. R2 — скорректированный R-квадрат; Y & 1": фактическое и модельные значения зависимой переменной (потребления товара на душу населения, кг на чел.); расшифровка кодов переменных — табл. 6; уровни значимости (p-vaiue): * — менее 0.1; ** — менее 0.05; *** — менее 0.01.
Статья поступила в редакцию 09.11.2023. Статья принята к публикации 07.12.2023.
Для цитирования: Д.И. Галимов, А.А. Гнидченко, В.А. Сальников. Оценка перспектив удельного потребления продовольственных и промышленных товаров в России // Проблемы прогнозирования. 2024. № 3 (204). С. 78-96. DOI: 10.47711/0868-6351-204-78-96
Summary
ASSESSMENT OF PROSPECTS FOR PER CAPITA CONSUMPTION OF FOOD AND INDUSTRIAL GOODS IN RUSSIA
D.I GALIMOV, Center for Macroeconomic Analysis and Short-Term Forecasting, Institute of Economic Forecasting, Russian Academy of Sciences, Moscow, Russia A.A. GNIDCHENKO, Cand. Sci. (Econ.), Center for Macroeconomic Analysis and Short-Term Forecasting, Institute of Economic Forecasting, Russian Academy of Sciences, Moscow, Russia
ORCID: 0000-0002-0678-8324
V.A. SALNIKOV, Cand. Sci. (Econ.), Center for Macroeconomic Analysis and Short-Term Forecasting, Institute of Economic Forecasting, Russian Academy of Sciences, Moscow, Russia ORCID: 0000-0002-4528-4348
Abstract. The article examines the prospects for increasing per capita consumption of goods in Russia based on comparison with consumption levels in other countries using cross-country robust regressions. The proposed approaches are different for goods of the agricultural and industrial sectors, which makes it possible to take into account the specifics of statistical data and the characteristics of consumption in these sectors. The estimates obtained in the work are interpreted as the scale of underconsumption of goods in the current configuration of the main factors influencing consumption. These estimates are proposed to be interpreted as a possible increase in output, as well as increase in imports from countries with which trade development is expected and with which Russia has a high trade surplus (primarily India and Turkey).
Keywords: per capita consumption, product groups, cross-country regressions, Russia, FAO, Prodcom
Received 09.11.2023. Accepted 07.12.2023.
For citation: D.I. Galimov, A.A. Gnidchenko, and V.A. Salnikov. Assessment of Prospects for per Capita Consumption of Food and Industrial Goods in Russia // Studies on Russian Economic Development. 2024. Vol. 35. No. 3. Pp. 373-387. DOI: 10.1134/S1075700724030079
