Классификация субъектов РФ по уровню конкурентоспособности лесной отрасли

ГОРДЕЕВ Р. В.

Научно-учебная лаборатория экономики природных ресурсов и окружающей среды, Сибирский федеральный университет, г. Красноярск

КЛАССИФИКАЦИЯ СУБЪЕКТОВ РФ ПО УРОВНЮ КОНКУРЕНТОСПОСОБНОСТИ ЛЕСНОЙ ОТРАСЛИ

CLASSIFICATION OF RUSSIAN REGIONS’ BY COMPETITIVENESS LEVEL OF FOREST SECTOR

Аннотация

В настоящей работе анализируется теку щее состояние российского лесопромышленного комплекса в региональном разрезе. Методологической базой исследования является идея выявления сравнительных преимуществ в торговле с помощью индекса RTA. В ходе оценки получены четыре группы субъектов РФ, разделённые по уровню конкурентоспособности. Точность полученной классификации подтверждена с помощью построения модели случайного леса.

Ключевые слова: лесопромышленный комплекс, отраслевая экономика, анализ конкурентоспособности

Abstract

This study is aimed at a better understanding of the recent competitiveness situation of the forest industry sector in Russian regions. The key method of this research is the concept of revealed comparative advantage via calculation of RTA index. As a result four groups of Russian regions, divided by the level of competitiveness were obtained. Random forest model shows the high accuracy of the classification.

Keywords: forest sector, industrial economy, competitiveness analysis, random forest

Российская Федерация является мировым лидером по запасам лесных ресурсов, однако, на сегодняшний день лесная промышленность в большинстве субъектов РФ развита достаточно слабо и не вносит значимого вклада в ВРП регионов и валовый продукт страны. Вместе с тем, сложившаяся в условиях текущего кризиса конъюнктура цен на нефть наряду с обвалом рубля по отношению к основным мировым валютам играет на руку экспортёрам в лесной отрасли, предоставляя возможность усилить позиции отечественных производителей на мировом рынке. В настоящей работе проведена оценка конкурентоспособности продукции лесопромышленного комплекса в регионах России.

Значительная часть исследователей и международных институтов в определении конкурентоспособности фокусируется на достижении успешности относительно других экономических агентов в международной торговле. Одним из наиболее распространённых методов выявления сравнительных преимуществ в торговле является индекс Балассы [1]. Вместе с тем, его применение заслуженно критиковалось многими исследователями в связи с тем, что при его расчёте не учитываются объёмы импорта. В настоящем исследовании в качестве базового индикатора конкурентоспособности был выбран предложенный [3] индекс RTA (англ. Relative Trade Advantage), учитывающий экспортные и импортные потоки. Значение индекса больше нуля интерпретируется как наличие сравнительного преимущества данного региона в торговле данным товаром. Для решения задачи кластеризации регионов использовался широко известный метод построения классификационных деревьев, а также предложенный Л. Брейманом [2] алгоритм «случайный лес», подразумевающий построение ансамбля деревьев решений.

В настоящей работе ключевые положения анализа основаны на данных о внешней торговле за 2013 г., классифицированных в соответствии с Гармонизированной системой описания и кодирования товаров (HS). В анализ включены 68 видов продукции при уровне дезагрегирования до 4 знака. Источниками статистики внешней торговли субъектов РФ послужили база данных ФТС России, а также Росстат. Информация о мировом внешнеторговом обороте по продукции ЛПК и в целом по всем товарам получена с помощью баз данных внешней торговли ООН и ВТО, соответственно.

В 2013 г. в состав Российской Федерации входило 83 субъекта, но количество наблюдений в данном исследовании составляет 80, поскольку некоторые регионы одновременно являются частью других субъектов Федерации. В частности, Ненецкий автономный округ является частью Архангельской области, а Ямало-Ненецкий и Ханты-Мансийский автономные округа входят в состав Тюменской области. Согласно предположениям авторов, хотя и не подтверждённым официальными разъяснениями, вклад во внешнюю торговлю обозначенных автономных округов учтён в составе соответствующих областей.

Все товары были разделены на три категории в зависимости от степени обработки: низкая, средняя и высокая. Далее были рассчитаны индексы RTA по трём агрегированным группам товаров и по каждому виду продукции в отдельности для всех регионов России. Полученные результаты демонстрируют, что с увеличением степени добавленной стоимости уменьшается количество регионов с конкурентным преимуществом. Для продукции низкой степени обработки RTA > 0 у 64 % рассматриваемых регионов РФ, для средней — 53 %, а для высокой — 23 %.

Регионы России были разделены на четыре группы по уровню конкурентоспособности, который измерялся как количество положительных значений индекса RTA, полученных для агрегированных товарных групп по каждому субъекту РФ. Наряду с этим были также рассчитаны некоторые дополнительные показатели:

- количество нулевых значений RTA для каждого региона как показатель диверсификации внешней торговли;

- количество положительных и отрицательных значений RTA, а также их распределение по четырём категориям (больше 0, 1, 10, 100 и меньше 0, –1, –10, –100);

- разность количества положительных и отрицательных значений RTA;

- средние значения, рассчитанные для товарных групп и отдельных видов продукции.

Регионы-лидеры

Первая группа состоит из 11 регионов, которые можно охарактеризовать как лидеров в торговле продукцией ЛПК (табл. 1). Каждый из этих регионов демонстрирует положительные значения RTA по всем степеням обработки. Практически все средние значения как для кодов, так и для степеней обработки в данной группе положительны, исключение составляет Курганская область. Практически все средние значения как для кодов, так и для степеней обработки в данной группе положительны, исключение составляет Курганская область.

Регионы отличаются по уровню диверсифицированности внешней торговли товарами ЛПК. Среди лидеров по этому критерию можно назвать Брянскую и Калужскую области (18 RTA = 0), Алтайский край (22), но следует отметить, что эти субъекты не только имеют наибольшее количество положительных значений RTA, но и лидируют по количеству отрицательных. Для большинства регионов разность количества положительных и отрицательных значений RTA больше нуля. Исключением являются Ульяновская и Калужская области (–5 и –4).

Четыре субъекта РФ имеют значения RTA > 100 для различных товаров средней степени обработки: Республика Карелия (4801 — газетная бумага и 4804 — крафт-бумага и крафт-картон), Брянская область (4808 — бумага и картон гофрированные), Калужская область (4806 — пергамент растительный, калька) и Алтайский край (4406 — шпалы деревянные).

Таблица 1. Группа  «Регионы-лидеры»

Субъект РФ	Н	С	В	Значения RTA = 0	Значения RTA > 0	Значения RTA < 0
Брянская обл.	+	+	+	18	26	24
Калужская обл.	+	+	+	18	23	27
Алтайский край	+	+	+	22	25	21
Новгородская обл.	+	+	+	32	18	18
Респ. Карелия	+	+	+	35	19	14
Кировская обл.	+	+	+	37	19	12
Томская обл.	+	+	+	39	18	11
Вологодская обл.	+	+	+	40	18	10
Ульяновская обл.	+	+	+	41	11	16
Чувашская Респ.	+	+	+	42	19	7
Курганская обл.	+	+	+	42	13	13

Примечание: здесь и далее обозначения Н, С, В соответствуют степеням обработки — низкая, средняя и высокая.

Регионы выше среднего уровня

Вторая группа содержит 30 субъектов РФ, которые продемонстрировали наличие сравнительных преимуществ в торговле двумя из трёх агрегированных групп товаров. Данную категорию можно разбить на две подгруппы.

В первую подгруппу (табл. 2) включены 19 регионов, имеющих от 12 (Иркутская область) до 30 (Новосибирская область) положительных значений RTA. Для большинства регионов в данной подгруппе (17) получены положительные значения RTA для групп товаров низкой и средней степени переработки и отрицательные для высокой, в то время как Удмуртская республика и Ярославская область продемонстрировали наличие преимуществ в торговле товарами с низкой и высокой добавленной стоимостью. В подгруппе 1 уже появляются отрицательные средние значения RTA для некоторых регионов, но также присутствуют и выдающиеся положительные средние значения индекса у Костромской, Архангельской и Иркутской областей.

Таблица 2. Подгруппа 1 группы «Регионы выше среднего уровня»

Субъект РФ	Н	С	В	Значения RTA = 0	Значения RTA > 0	Значения RTA < 0
Респ. Бурятия	+	+	–	36	23	9
Респ. Марий Эл	+	+	–	42	18	8
Новосибирская обл.	+	+	–	15	30	23
Респ. Коми	+	+	–	39	15	14
Респ. Башкортостан	+	+	–	23	22	23
Костромская обл.	+	+	–	37	15	16
Архангельская обл.	+	+	–	31	18	19
Респ. Удмуртия	+	–	+	34	16	18
Ярославская обл.	+	–	+	21	22	25
Тверская обл.	+	+	–	22	20	26
Красноярский край	+	+	–	28	16	24
Пермский край	+	+	–	21	19	28
Владимирская обл.	+	+	–	21	18	29
Рязанская обл.	+	+	–	30	13	25
Ленинградская обл.	+	+	–	8	22	38
Нижегородская обл.	+	+	–	13	19	36
Иркутская обл.	+	+	–	25	12	31
Свердловская обл.	+	+	–	10	19	39
Московская обл.	+	+	–	5	19	44

Подгруппа 2 включает в себя 11 регионов (табл. 3), имеющих менее 10 (3–9) положительных значений RTA. Большинство субъектов так же, как и в предыдущем случае, конкурентоспособны в торговле товарами низкой и средней степени обработки. Можно сказать, что в подгруппе 2 наблюдается гораздо меньший уровень диверсификации внешней торговли продукцией ЛПК, чем в подгруппе 1.

Уникальный случай представляет собой Республика Алтай. Имея всего три положительных значения RTA и крайне низкий уровень диверсификации торговли (58 нулевых значений индекса), данный регион при формальной (и общепринятой) оценке конкурентоспособности по степеням обработки демонстрирует наличие сравнительных преимуществ в торговле товарами средней и высокой степени обработки. Настоящий результат не только ставит под сомнение целесообразность включения данного региона во вторую группу, но и порождает вопрос об адекватности результатов анализа конкурентоспособности регионов по агрегированным группам. Это определённо подтверждает необходимость детализированного анализа на более низких уровнях агрегирования.

Таблица 3. Подгруппа 2 группы «Регионы выше среднего уровня»

Субъект РФ	Н	С	В	Значения RTA = 0	Значения RTA > 0	Значения RTA < 0
Еврейская АО	+	+	–	48	6	14
Хабаровский край	+	+	–	22	9	37
Респ. Адыгея	+	–	+	51	5	12
Респ. Мордовия	+	+	–	44	7	17
Приморский край	+	+	–	11	9	48
Амурская обл.	+	+	–	29	7	32
Забайкальский край	+	+	–	41	5	22
Респ. Алтай	0	+	+	58	3	7
Кемеровская обл.	+	+	–	36	9	23
Мурманская обл.	+	+	–	43	7	18
Тюменская обл.	+	+	–	28	5	35

Регионы ниже среднего уровня

Третья группа (табл. 4) объединяет 18 субъектов РФ, по каждому из которых выявлено преимущество в торговле товарами какой-то одной агрегированной группы. 11 регионов конкурентоспособны в торговле продукцией низкой степени обработки, 4 региона — средней и 3 региона — высокой. Отметим, что в данной группе практически все субъекты РФ имеют отрицательные средние значения RTA по крайней мере по одному критерию. Уровень диверсификации торговли в данной группе крайне неоднороден: от 67 торгуемых товаров (Москва, Санкт-Петербург) до всего лишь 10 (Республика Хакасия).

Таблица 4. Группа «Регионы ниже среднего уровня»

Субъект РФ	Н	С	В	Значения RTA = 0	Значения RTA > 0	Значения RTA < 0
Омская обл.	+	–	–	18	38	12
Челябинская обл.	–	–	+	13	32	23
Смоленская обл.	+	–	–	10	28	30
Оренбургская обл.	+	–	–	31	21	16
Респ. Дагестан	–	+	–	35	18	15
Респ. Северная Осетия — Алания	–	+	–	39	16	13
Санкт-Петербург	+	–	–	1	13	54
Пензенская обл.	0	–	+	41	13	14
Калининградская обл.	+	–	–	7	11	50
Псковская обл.	+	–	–	13	11	44
Астраханская обл.	0	+	–	41	10	17
Курская обл.	+	–	–	28	9	31
Ивановская обл.	+	–	–	21	7	40
Респ. Татарстан	+	–	–	18	6	44
Москва	+	–	–	1	5	62
Респ. Хакасия	+	–	–	58	3	7
Карачаево-Черкесская Респ.	0	+	–	52	2	14
Тамбовская обл.	0	–	+	54	1	13

Регионы-аутсайдеры

В четвёртую группу «регионы-аутсайдеры» входит 21 регион (26 % от 80), для каждого из которых RTA ≤ 0 по всем агрегированным группам товаров (табл. 15). Сюда относятся как субъекты РФ, в которых вообще не развита лесная промышленность, так и регионы, в большей степени ориентированные на импорт. По большей части это юго-западные, а также дальневосточные регионы России. Отметим, что все без исключения регионы четвёртой группы имеют отрицательные средние значения RTA и отрицательные разности.

Таблица 5. Регионы, отнесённые к группе «Регионы-аутсайдеры»

Субъект РФ	Н	С	В	Значения RTA = 0	Значения RTA > 0	Значения RTA < 0
Самарская обл.	–	–	–	13	20	35
Саратовская обл.	–	–	–	29	18	21
Тульская обл.	–	–	–	27	15	26
Краснодарский край	–	–	–	12	13	43
Ростовская обл.	–	–	–	12	12	44
Воронежская обл.	–	–	–	25	8	35
Волгоградская обл.	–	–	–	28	8	32
Белгородская обл.	0	–	–	26	6	36
Ставропольский край	–	–	–	31	5	32
Орловская обл.	0	–	–	41	5	22
Липецкая обл.	–	–	–	41	2	25
Респ. Саха (Якутия)	0	–	–	45	2	21
Кабардино-Балкарская Респ.	0	–	–	55	2	11
Сахалинская обл.	–	–	–	27	1	40
Чеченская Респ.	0	–	–	59	1	8
Магаданская обл.	–	–	–	42	0	26
Чукотский АО	0	–	–	43	0	25
Камчатский край	–	–	–	47	0	21
Респ. Ингушетия	0	–	–	56	0	12
Респ. Калмыкия	0	0	–	64	0	4
Респ. Тыва	0	0	–	67	0	1

Далее была проведена классификация регионов, результатом которой стало разбиение субъектов РФ на четыре группы по количеству сравнительных преимуществ в торговле товарами с низкой, средней и высокой добавленной стоимостью, а также характеристика особенностей внешней торговли регионов с помощью ряда дополнительных показателей. Полученная классификация была визуализирована с помощью построения дерева решений (рис. 1).

Рис. 1. Классификационное дерево для российских регионов, отражающее распределение на четыре группы

Затем была построена модель случайного леса, позволяющая оценить ошибку классификации, а также выделить наиболее информативные признаки. Выявлено, что наибольший вклад в решение задачи классификации вносят значения RTA для продукции средней степени обработки.

Среди 500 построенных деревьев уровень ошибки классификации варьировался от 10 до 18,4 %, таким образом, модель обладает достаточно высокой точностью. Полученная матрица несоответствий для модели случайного леса демонстрирует, что, в основном, ошибки концентрировались во второй и третьей группах регионов (табл. 6).

Таблица 6.  Матрица несоответствий модели случайного леса для субъектов РФ

Группа регионов	I	II	III	IV	Ошибка классификации
I	11	0	0	0	0,00
II	0	27	3	0	0,10
III	0	1	14	3	0,22
IV	0	0	1	20	0,05

Заключение

Внешнеторговую специализацию России определяют высокий уровень обеспеченности лесными ресурсами и низкая эффективность государственной политики в отрасли. В большинстве регионов наличие преимущества в торговле продукцией ЛПК низкой и средней степени обработки достигается за счёт товаров с минимальной добавленной стоимостью: топливная древесина, необработанные лесоматериалы, пиломатериалы и погонаж. Эти особенности наиболее характерны для регионов Сибири и Дальнего Востока, которые находятся под влиянием большого спроса азиатского и, прежде всего, китайского рынка на круглый лес и пиломатериалы. Вследствие этого в данных регионах существует серьёзная проблема нелегальной заготовки и слабое развитие предприятий по глубокой переработке лесного сырья.

Наряду с этим 18 регионов всё же продемонстрировали наличие преимущества в торговле товарами высокой степени обработки, которые в основном обеспечены за счёт мебели и строительных конструкций. Большинство этих регионов концентрируется в западной части России. Целлюлозно-бумажное производство в РФ также слабо развито: крайне малое количество регионов имеет торговые преимущества по бумаге и картону высокого качества или печатной продукции.

Итогом проведённого анализа внешней торговли регионов России стала классификация регионов по уровню конкурентоспособности лесопромышленного комплекса и разделение всех субъектов РФ на четыре группы: регионы-лидеры, регионы выше среднего уровня, регионы ниже среднего уровня и регионы-аутсайдеры. В общем случае полученная классификация является корректной, что подтверждено с помощью построения деревьев решений и модели случайного леса.

Публикация подготовлена при финансовой поддержке Российского фонда фундаментальных исследований, Правительства Красноярского края, Красноярского краевого фонда поддержки научной и научно-технической деятельности (проект № 16-12-24001).

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Balassa, B., 1965. Trade Liberalisation and “Revealed” Comparative Advantage. Manchester Sch. 33, 99–123. Breiman, L., 2001. Random Forests. Mach. Learn. 45, 5–32. Vollrath, T. L., 1991. A Theoretical Evaluation of Alternative Trade Intensity Measures of Revealed Comparative Advantage. Weltwirtsch. Arch. 265–280.