Эффекты бюджетной политики в разрезе регионов России: эмпирический анализ тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Демьяненко Артем Владимирович

• Демьяненко Артем Владимирович
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Демьяненко Артем Владимирович

Введение

Актуальность исследования

Степень разработанности научной проблемы (обзор литературы)

Цели и задачи исследования

Методология исследования

Научная новизна

Основные результаты исследования, выносимые на защиту

Апробация результатов исследования

Структура работы

Глава 1. Оценивание эффектов от экзогенных шоков бюджетных расходов на валовый региональный продукт

1.1 Теоретические подходы к оценке мультипликатора бюджетной политики

1.2 Данные и переменные

1.3 Методология и модели

1.3.1 Модель пространственной векторной авторегрессии

1.3.2 Оценивание динамических моделей панельных данных

1.3.3 Функции импульсного отклика

1.4 Результаты и обсуждение

1.5 Выводы

Глава 2. Моделирование нелинейной взаимосвязи между бюджетными расходами на здравоохранение и экономическим ростом в регионах России

2.1 Формулировка гипотез исследования

2.2 Описание данных и переменных

2.3 Методология и модель

2.4 Результаты и обсуждение

2.5 Выводы

Глава 3. Оценивание эффекта социальных региональных бюджетных расходов на удовлетворённость россиян жизнью

3.1 Формулировка гипотез исследования

3.2 Данные и переменные

3.3 Результаты и обсуждение

3.4 Выводы

Заключение

Ограничения исследования

Теоретическая и практическая значимость исследования

Список литературы

Приложение 1. Дополнительные результаты оценок к главе

Приложение 2. Оценки коэффициентов моделей пространственной векторной авторегрессии

Введение

Введение диссертации (часть автореферата) на тему «Эффекты бюджетной политики в разрезе регионов России: эмпирический анализ»

Актуальность исследования

Бюджетно-налоговая политика как важная составляющая экономической политики государства направлена прежде всего на стабилизацию экономики, сглаживание циклических колебаний. В то же время она может способствовать формированию условий для долгосрочного экономического роста. Краткосрочные эффекты роста или снижения бюджетных расходов, изменения их структуры связывают с их влиянием на экономику через совокупный спрос. В среднесрочной и долгосрочной перспективе расходы на экономику, здравоохранение, образование, физическую культуру и спорт, социальную политику могут приводить к росту физического и человеческого капитала, увеличению производительности труда, тем самым способствуя экономическому росту.

Практически во всех странах мира наблюдается рост объема государственных расходов. По данным Всемирного банка, общие государственные расходы стран мира выросли с 8 трлн. долл. в 1990 г. до 14,8 трлн. долл. в 2023 г. (в постоянных ценах 2015 г.)1 Доля государственных расходов (расходов расширенного правительства) в ВВП развитых стран, по данным МВФ, колебалась в среднем от 37% до 46% в период с 1990 г. по 2024 г., достигая максимальных значений в кризисные периоды (2008 г., 2020 г.), и в 2024 г. составила 40% ВВП; в странах группы G20 - 41%, немного ниже в странах с формирующимся рынком - около 39% (International Monetary Fund, 2024). Европейские страны в последние годы столкнулись с растущим долгосрочным давлением государственных расходов, увеличение которых к 2050 г. прогнозируется на 5,75-8% ВВП (в 2023 г. они уже составляли в странах ЕС 49% ВВП). Все это, по мнению экономистов, требует более пристального внимания к фискальной политике, особенно к расходам социальной направленности и их эффективности, а также практических усилий по совершенствованию управления государственными расходами, сокращению неэффективных расходов и созданию бюджетного пространства для приоритетных расходов2 (Eble et al., 2025). В России расходы расширенного бюджета также составляют весомую величину - 34,1% ВВП в 2019 г., 37,32% в 2024 г. (Основные направления бюджетной, налоговой и таможенно-тарифной политики на 2025 год и на плановый период 2026 и 2027 годов3.

1 https://data.worldbank.org/indicator/NE.CON.GOVT.KD (дата обращения 13.04.2025).

2 https://ec.europa.eu/eurostat/statistics-

explained/index.php?title=Government finance statistics#Components of general government total ex penditure (дата обращения 13.04.2025).

3 https://minfin.gov.ru/ru/document?id_4=308751 -osnovnye_napravleniya_byudzhetnoi_nalogovoi_i_tamozhenno-

В 2019 году Правительством РФ был утверждён ряд национальных проектов, целью которых являются долгосрочные инвестиции в образование, здравоохранение и другие области4 . Например, планируемые расходы только на один из национальных проектов «Демография» составляют около 3.1 триллионов рублей5 за период 2019-2024 гг., что эквивалентно 2.7% ВВП России за 2019 год.

Существенное влияние государственных расходов на экономическое развитие, а также их значительная доля в ВВП, возрастающая в кризисные периоды, неизбежно ставит вопрос об оценке их результативности. Для стран со сложным федеративным устройством, определенной степенью бюджетной децентрализации, со значительной дифференциацией субъектов по уровню социально-экономического развития, ресурсному потенциалу особую актуальность приобретает исследование влияния расходов бюджетов субъектов федерации на экономику их регионов. Модели пространственной эконометрики позволяют учесть не только прямое влияние различных компонентов расходов региональных бюджетов на ВРП, но и влияние, которое оказывают экономические процессы в регионе на экономику соседних регионов, что позволяет получить более полное представление о последствиях мер бюджетной политики на уровне регионов.

Помимо общей оценки влияния бюджетных расходов и их отдельных составляющих на экономику, кризис, вызванный пандемией COVID-19, повысил интерес к анализу расходов на здравоохранение и их влиянию на экономику и благосостояние населения.

В последние годы в экономической литературе активно обсуждаются вопросы, связанные с возможностью воздействия мер бюджетной политики не только на материальное благосостояние населения, но и на субъективную оценку гражданами степени удовлетворенности жизнью. Последняя обусловлена как материальным благополучием (например, уровнем душевых доходов), так и субъективными ощущениями, которые формируются под воздействием различных факторов. На многие из них может оказать влияние политика бюджетных расходов, особенно по социально значимым статьям.

Основной целью данной диссертационной работы является определение подходов к оценке влияния различных расходов региональных бюджетов на экономику и население субъектов Российской Федерации с последующим их применением на доступных статистических данных. Следует отметить, что большинство отечественных исследований,

tarifnoi politiki rossiiskoi federatsii na 2025 god i na planovyi period 2026 i 2027 godov (дата обращения 13.04.2025).

4 С полным списком национальных проектов можно ознакомиться на сайте

https: //национальныепроекты.рф

5 Из инфографики проекта по состоянию на октябрь 2020.

4

связанных с эффектами от фискальной политики на экономику, проводились на уровне страны в целом. В данной диссертационной работе проведён анализ на уровне российских регионов, что представляется необходимым по нескольким причинам. Прежде всего, субъекты РФ существенно отличаются друг от друга исторически сложившейся структурой валового регионального продукта, численностью населения, территориальными размерами, удалённостью от других регионов и климатическими условиями. Эти различия могут обусловливать неодинаковую реакцию регионов на меры фискальной политики, реализуемые как на федеральном, так и на региональном уровнях.

Существуют различия и в методологии исследований на страновом и региональных уровнях. Как правило, оценки влияния фискальной политики на экономику подразумевают наличие высокочастотных временных рядов по релевантным показателям, которые в случае России доступны только на общестрановом уровне. Основные показатели для региональных исследований, например ВРП, официально публикуются лишь на ежегодной основе, в связи с чем необходимое количество наблюдений можно получить только с использованием панельных данных. Представляется актуальной разработка и адаптация эконометрических моделей, которые могли бы учесть специфику российских регионов и в дальнейшем использоваться для исследования эффектов фискальной политики в субъектах Российской Федерации.

Степень разработанности научной проблемы (обзор литературы)

1. Экономические эффекты фискальной политики.

Одной из наиболее распространённых метрик в литературе для оценки эффектов фискальной политики на экономику является мультипликатор бюджетных расходов. В зарубежных исследованиях (Edelberg et al., 1999; Blanchard, Perotti, 2002; Mountford, Uhlig, 2009; Romer, Romer, 2010; Ramey, 2011) широко применяется инструментарий векторных и структурных векторных авторегрессий, позволяющий анализировать влияние шоков бюджетных расходов на ВВП с помощью функции импульсного отклика. При этом в качестве оценки мультипликатора может использоваться как классическое определение (изменение ВВП в ответ на шок расходов в рублях), так и эластичность (изменение ВВП в ответ на шок расходов в процентах) (Raney, 2019). Идентификация шоков в таких моделях возможна без привлечения дополнительных данных, например, с использованием разложения Холецкого, что отличает этот подход от двухшаговых методов оценки (Corsetti et al., 2012; Forni, Gambetti, 2016; Gogas, Progidis, 2015). Также определение значения мультипликатора может осуществляться на основе моделей динамического стохастического

общего равновесия (Coenen et al., 2012). Однако все указанные исследования сосредоточены на макроуровне и оценивают мультипликаторы государственных расходов для экономики в целом. В последнее время всё больше внимания уделяется изучению воздействия фискальной политики на экономику отдельных регионов (Nakamura, Steinsson, 2014; Dupor, Guerrero, 2017). В этих работах авторы анализируют кумулятивные локальные и агрегированные мультипликаторы государственных расходов на оборонные контракты, используя панельные данные по штатам США. Исследования подчеркивают, что оборонные расходы носят экзогенный характер по отношению к ВВП, так как зависят в большей степени от геополитической ситуации, чем от внутреннего экономического положения. При этом оценка уравнений регрессии выполняется с применением метода инструментальных переменных, позволяющего устранить проблему эндогенности в модели. Результаты показали, что значения локальных и агрегированных мультипликаторов могут различаться, однако с учётом межрегиональных эффектов перелива этот разрыв сокращается.

Под эффектами перелива авторы (Dupor, Guerrero, 2017) подразумевали влияние объёма государственных расходов в штате-главном торговом партнёре на уровень занятости или доходы населения в рассматриваемом штате. В работе (Auerbach et al., 2019) также уделяется внимание эффектам перелива, но, как и в случае исследования (Dupor, Guerrero, 2017), авторы не используют методы пространственной эконометрики, из-за чего эффекты перелива не могут быть учтены в полной мере. В этой связи нам представляется интересным изучение вопроса о пространственном взаимовлиянии регионов с помощью современных и более специализированных эконометрических методов.

Одним из первых исследований, посвящённых оценке фискальных мультипликаторов в России, является работа (Каменских, Иванова, 2011), где авторы использовали двухшаговый метод оценки (Corsetti et al., 2012). Данный метод позволяет сначала выделить остатки уравнения регрессии, описывающего зависимость государственных расходов от фундаментальных факторов, которые затем рассматриваются как шоки бюджетно-налоговой политики. На втором шаге строится уравнение, объясняющее реакцию выпуска на фискальные шоки, а коэффициент при переменной фискального шока позволяет определить величину мультипликатора. Результаты показали, что практически все категории расходов способствуют экономическому росту, хотя и в разной степени, максимальный эффект дают расходы на экономику, ЖКХ и охрану окружающей среды, тогда как общегосударственные расходы, напротив, оказывают сдерживающее влияние. Однако данная работа основывается на данных, не учитывающих макроэкономические изменения последнего десятилетия, и оценивает фискальные мультипликаторы только для экономики в целом.

6

В исследовании (Вотинов, Станкевич, 2017) оценка мультипликаторов проводилась с использованием традиционного метода структурной векторной авторегрессии (SVAR) и его байесовской модификации, позволяющей работать с ограниченными объёмами данных. Анализ охватывал расходы на национальную оборону, национальную экономику и социальную политику. Авторы отмечают, что в зависимости от используемой модели оценки мультипликаторов значительно варьируются. Например, в некоторых вариантах спецификаций расходы на национальную экономику демонстрируют положительное влияние на рост ВВП, в то время как затраты на оборону и социальную сферу -отрицательное.

Дополнительный вклад в изучение эффектов от фискальной политики на экономику вносит работа (Балаев, 2018), в которой применяется SVAR-модель, но эффекты бюджетных расходов оцениваются не через мультипликаторы, а через анализ структуры бюджетных затрат. В работе оцениваются два типа векторных авторегрессий, состоящих из двух уравнений. В качестве первой эндогенной переменной выступает доля отдельной категории расходов в ВВП (первый тип) или доля отдельной категории расходов в общем объёме бюджетных расходов (второй тип). Вторым элементом вектора эндогенных переменных в обоих случаях является лог-разность ВВП, в дополнение к этому, во всех уравнениях присутствует контрольная переменная - цена на нефть. Анализ показывает, что увеличение расходов на национальную экономику и образование оказывает положительное влияние на темпы экономического роста, тогда как аналогичное перераспределение средств в пользу национальной обороны и социальной политики, напротив, связано с замедлением роста ВВП.

Работа (Власов, Дерюгина, 2018) посвящена оценке фискальных мультипликаторов в целом, без разделения на категории бюджетных расходов. Авторы указывают на ограниченность статистических данных в России, из-за чего применяют байесовский подход к оцениванию SVAR. При этом рассматривались фискальные мультипликаторы доходов и расходов в целом без разделения на отдельные статьи или категории. Помимо ВВП, государственных доходов и расходов в вектор эндогенных переменных включены номинальная процентная ставка по кредитам нефинансовым организациям, которая характеризует монетарную политику, ВВП Евросоюза, а также дефлятор ВВП. Полученные оценки мультипликаторов совокупных государственных расходов и доходов составили 0.28 и -0.75 соответственно, причём в качестве оценки использовалось пиковое значение IRF.

Одним из наиболее детализированных исследований является работа (Зяблицкий, 2020), где также используется SVAR-модель, но для идентификации структурных шоков применяется альтернативный метод. В работе рассматриваются три типа мультипликаторов:

7

краткосрочный, накопленный за год и накопленный за пять лет. Анализ охватывает бюджетные расходы в целом, а также их отдельные категории — социальную, экономическую и военную. Результаты показывают, что максимальный эффект от экономических расходов достигается в первые два года после шока, тогда как влияние военных затрат проявляется с лагом в 3-4 года. Социальные расходы, в свою очередь, оказывают положительное, но относительно слабое влияние на экономику.

В отличии от предыдущих работ, в исследовании (Мясников и др., 2024) авторы оценили мультипликаторы фискальной политики на региональных данных. Они предложили использовать SVAR-модель отдельно по каждому региону, а в качестве метода идентификации шоков — знаковые ограничения. Вместо показателя ВРП, доступного лишь ежегодно, авторы используют значения временного ряда, полученные с помощью алгоритма временной дезагрегации на основе набора других, более высокочастотных переменных, имеющих схожую динамику с ВРП. Набор переменных в системе уравнений аналогичен исследованию Зяблицкого (2020). В качестве основного результата авторы приводят среднее и медианное значение отклика ВРП на шок бюджетных расходов среди 68 регионов, при этом расходы дополнительно разделяются на социальные и экономические. Интересно, что в отличии от аналогичных исследований для России в целом, величина мультипликатора для социальных расходов сопоставима с величиной мультипликатора экономических расходов.

Несмотря на большое количество исследований, сосредоточенных на национальном уровне, высокая неоднородность российских регионов требует проведения анализа в разрезе субъектов РФ. Зарубежный опыт также подтверждает значимость регионального подхода, поскольку территориальные различия могут существенно влиять на эффективность бюджетных расходов.

Отметим, что оценки мультипликаторов сильно отличаются от исследования к исследованию даже для одной и той же страны, что в основном вызвано естественными трудностями, возникающими при их оценке. При моделировании сложно выделить прямое влияние фискальной политики на объём выпуска ввиду эндогенности данных переменных. Также для оценивания SVAR необходим доступ к длинным и, по возможности, высокочастотным временным рядам, что для многих стран может оказаться затруднительным (Batini et al., 2014). В работе (Capek, Crespo Cuaresma, 2020) авторы показали, что значительное влияние на полученные оценки оказывает способ к идентификации шоков, определение бюджетных налогов и доходов в системе национальных счетов и предварительная обработка данных, например использование того или иного ценового индекса для приведения показателей к реальному выражению.

8

Отдельно можно выделить работы, в которых делается акцент на влияние текущих экономических условий на значения мультипликаторов фискальной политики (Hagedorn et al., 2019; Raga, 2022). В частности, на величину мультипликатора влияют источник финансирования государственных расходов, а также коррекция монетарной политики при их изменении.

Несмотря на большое количество исследований эффектов фискальной политики на национальном уровне, высокая неоднородность российских регионов требует проведения анализа в разрезе субъектов РФ. Зарубежный опыт также подтверждает значимость регионального подхода, поскольку территориальные различия могут существенно влиять на эффективность бюджетных расходов.

Помимо вопросов оценки мультипликаторов, в литературе активно обсуждался более узкий вопрос взаимосвязи между расходами на здравоохранение и экономическим ростом. С одной стороны, такие работы являются продолжением исследований по оценке эффектов различных государственных расходов в рамках бюджетной политики правительства, но одновременно они смещают акцент на развитие человеческого капитала для достижения устойчивого экономического роста.

Модели экономического роста рассматривают здоровье как фактор, влияющий на качество рабочей силы, как экзогенно (Solow, 1956), так и эндогенно (Kurt, 2015; Aghion et al., 2010). Рост расходов на здравоохранение способствует улучшению состояния здоровья, что в свою очередь отражается на качестве рабочей силы и производительности труда и приводит к росту экономики. Исследования, сравнивающие влияние факторов здоровья в развитых и развивающихся странах (Bhargava et al., 2001), подтверждают, что значительная часть различий в темпах экономического роста обусловлена низкими показателями здоровья и ожидаемой продолжительности жизни в менее развитых государствах (Всемирная организация здравоохранения, 2005). Положительный влияние бюджетных расходов на здравоохранение на экономический рост отмечен в ряде работ (Kleiman, 1974; Newhouse, 1977; Wang, 2011; Penghui et al., 2022).

В научной литературе существует несколько подходов к объяснению влияния расходов на здравоохранение на экономический рост. Один из них основан на том, что улучшение системы здравоохранения увеличивает ожидаемую продолжительность жизни и, в дальнейшем, приводит к росту доходов экономики за счёт изменения в производственной функции (Bloom et al., 2001; Lorentzen et al., 2008; Kurt, 2015). Другой подход анализирует экономические последствия расходов на восстановление экономики и снижение негативных эффектов во время эпидемий (Gallup Sachs, 2001; Dixon et al., 2002).

Третий рассматривает затраты на здравоохранение как инвестиции в человеческий капитал (Chang, Ying, 2006; Унтура, Канева, 2018).

Рост бюджетных расходов на здравоохранение может оказывать мультипликативный эффект на экономику, способствуя социальной защищённости населения, улучшению физического здоровья, повышению производительности труда и вовлечённости в экономические процессы. В то же время анализ показывает, что влияние расходов на здравоохранение на экономический рост варьируется в зависимости от уровня экономического развития страны (Wang, 2011; Atilgan et al., 2017; Mehrara and Musai, 2011).

В исследованиях, оценивающиъ влияние расходов на здравоохранение в динамике (Ashraf et al., 2008; Boussalem et al., 2014), отмечается, что в долгосрочной перспективе их влияние на экономический рост является положительным, тогда как краткосрочный эффект может быть менее выражен. Это объясняется тем, что воздействие вложений в здравоохранение на экономику распределяется во времени: улучшение медицинской системы требует значительных затрат на её поддержание и развитие, но в дальнейшем способствует росту производительности труда. Если повышение расходов на здравоохранение приводит к увеличению ожидаемой продолжительности жизни, то его влияние на экономику становится положительным как в краткосрочной, так и в долгосрочной перспективе (Bloom et al., 2001). В некоторых случаях долгосрочный эффект может оказаться даже выше, чем у расходов на образование (Mayer et al., 2000).

Анализ взаимосвязи между экономическим ростом и финансированием здравоохранения осложняется конкуренцией за бюджетные ресурсы (Strauss and Thomas, 1998; Elmi and Sadeghi, 2012). В условиях ограниченности государственных средств именно рост общего дохода экономики создаёт возможности для увеличения расходов на этот сектор (Улумбекова и др., 2019). Поэтому важной задачей является определение такого уровня расходов на здравоохранение (Chang and Ying, 2006), который позволит избежать неэффективного использования бюджетных ресурсов, однако для России подобных исследований не проводилось.

2. Социальные эффекты фискальной политики.

В качестве целевого социального показателя, отражающего влияние бюджетных расходов, была выбрана субъективная оценка удовлетворённости жизнью. В научной литературе исследование качества жизни и удовлетворённости жизнью базируется на двух подходах: объективистском и субъективистском. Их основное различие заключается в методе оценки изучаемых явлений. Объективистский подход предполагает использование интегральных индикаторов, основанных на социально-экономических показателях, таких

как ВВП, ВРП, уровень безработицы и доходы населения. Однако эти показатели могут существенно варьироваться как между странами, так и внутри отдельных регионов. В отличие от него, субъективистский подход ориентируется на индивидуальное восприятие уровня жизни и основывается на данных социологических опросов.

Определить, какой из подходов является более предпочтительным, достаточно сложно. В российской научной традиции широко распространены исследования объективной оценки качества жизни, ведущую роль в развитии которых сыграл С. А. Айвазян (Айвазян, 2003; Айвазян, Исакин, 2006; Айвазян, Степанов, Козлова, 2006; Айвазян, 2012; Айвазян, Афанасьев, Кудров, 2016). В то же время, начиная с 2000-х годов, субъективные оценки удовлетворённости жизнью приобрели популярность как в международных, так и в российских исследованиях. Они рассматриваются либо как самостоятельный показатель, либо дополнение к объективным показателям качества жизни.

Например, Veenhoven (2004) на основе анализа опросных данных из разных стран обосновывает, что субъективная оценка счастья и удовлетворённости жизнью является валидным показателем, который может учитываться при разработке государственной политики. Аналогичную точку зрения высказывают Frey и Stutzer (2011), подчёркивая, что субъективные показатели позволяют непосредственно оценить результаты государственной политики. В отличие от объективных индикаторов, они не требуют дополнительных теоретических предположений о поведении индивидов, таких как гипотеза рациональности, часто используемая в экономической науке.

В данной диссертации основное внимание уделяется субъективной оценке удовлетворённости жизнью респондентов. В связи с этим рассматриваются исследования, анализирующие влияние различных индивидуальных характеристик и экономических факторов на полученные субъективные оценки.

Так, в работе Bj0rnskov, Dreher и Fischer (2007) на основе данных опроса World Values Survey исследуется влияние государственного участия в экономике на удовлетворённость жизнью в 74 странах. Авторы рассматривают противоречие между стандартной неоклассической экономической теорией, согласно которой государственное вмешательство положительно сказывается на качестве жизни, и теорией общественного выбора, утверждающей, что избыточное регулирование может оказывать негативное воздействие. Результаты исследования показывают, что увеличение государственных расходов снижает уровень удовлетворённости жизнью, причём этот эффект выражен сильнее в странах со средним уровнем поддержки левых политических взглядов. Однако в

странах с небольшим государственным сектором данный эффект может быть компенсирован эффективностью управления.

В российской научной литературе субъективная оценка удовлетворённости жизнью также является предметом исследований. В работе Соболевой (2020), основанной на данных опроса Института сравнительных социальных исследований (ЦЕССИ) 2019 года, проведённого в 38 регионах России, с помощью многоуровневого логит-моделирования выявлены факторы, влияющие на удовлетворённость жизнью. Автор приходит к выводу, что влияние удовлетворённости работой на общий уровень удовлетворённости жизнью зависит от региона, пола, типа населённого пункта, уровня образования и семейного положения. При этом в модели учитывались только индивидуальные характеристики респондентов.

Более раннее исследование Андреенковой (2010), основанное на данных опросов ЦЕССИ за 1991-2006 годы, отличается тем, что включает в анализ субъективные оценки макроэкономических показателей, таких как восприятие состояния экономики, эффективности работы правительства и системы здравоохранения. Автор показывает, что эти переменные оказывают значимое влияние на субъективную удовлетворённость жизнью респондентов. В работе Антипиной и Кривицкой (2020) на основе данных Всемирного банка и доклада World Happiness Report 2020 исследована связь между субъективными оценками благополучия людей (счастьем, субъективной удовлетворенностью жизнью - эти термины употребляются в литературе как синонимы) и объективными макроэкономическими показателями для 163 стран мира. Показано, что более сильное отрицательное влияние на субъективную удовлетворенность жизнью оказывает уровень безработицы, менее сильное - уровень инфляции и небольшое положительное влияние оказывает рост душевого дохода в стране.

Список литературы диссертационного исследования кандидат наук Демьяненко Артем Владимирович, 2025 год

Список литературы

Айвазян, С. А. (2003). К методологии измерения синтетических категорий качества жизни населения. Экономика и математические методы, 39(3), 19-53.

Айвазян, С. А., Исакин, М. А. (2006). Интегральные индикаторы качества жизни населения региона как критерии эффективности социально-экономической политики, проводимой органами региональной власти. Прикладная эконометрика, 1(1), 25-31. URL: https://ideas.repec.org/a/ris/apltrx/0184.html (дата обращения: 09.07.2024).

Айвазян, С. А., Степанов, В. С., Козлова, М. И. (2006). Измерение синтетических категорий качества жизни населения региона и выявление ключевых направлений совершенствования социально-экономической политики (на примере Самарской области и ее муниципальных образований). Прикладная эконометрика, 1(2), 18-84. URL: https://ideas.repec.org/a/ris/apltrx/0086.html (дата обращения: 09.07.2024).

Айвазян, С. А. (2012). Анализ качества и образа жизни населения: эконометрический подход. М.: Наука.

Айвазян, С. А., Афанасьев, М. Ю., Кудров, А. В. (2016). Модели производственного потенциала и оценки технологической эффективности регионов РФ с учетом структуры производства. Экономика и математические методы, 52(1), 28-44. URL: http://www.cemi.rssi.ru/emm/archive/Ekonom_Mat_metod_2016-1.pdf (дата обращения: 09.07.2024).

Андреенкова, Н. В. (2010). Сравнительный анализ удовлетворенности жизнью и определяющих ее факторов. Мониторинг общественного мнения: экономические и социальные перемены, 5(99), 189-215. URL: https://elibrary.ru/item.asp?id=20180730 (дата обращения: 09.07.2024).

Антипина, О. Н., Кривицкая, А. Д. (2020). Оценка влияния макроэкономических показателей на уровень счастья. Журнал экономической теории, 17(4), 760-769.

Балаев, А. И. (2018). Влияние структуры бюджетных расходов на экономический рост в России. Экономическая политика, 13(6), 8-35. https://doi.org/10.32609/0042-8736-2018-6-8-35.

Беляков И. В. (2018). Оценка воздействия бюджетных расходов на экономическую активность. Вопросы экономики, 12, 28-45.

Власов, С. А., Дерюгина, Е. Б. (2018). Фискальные мультипликаторы в России. Журнал Новой экономической ассоциации, 38(2), 104-119.

Вотинов, А. И., Станкевич, И. П. (2017). УЛЯ-подход к оценке эффективности мер фискального стимулирования экономики. Финансовый журнал, 40(6), 64-74.

Гуленков И. В. (2025). Неоднородность влияния бюджетной политики на регионы России. XXV Ясинская (Апрельская) международная конференция по проблемам развития экономики и общества.

Демидова, О. А., Каяшева, Е. В., Демьяненко, А. В. (2021). Государственные расходы на здравоохранение и экономический рост в России: региональный аспект. Пространственная экономика, 17(1), 97-122.

Демидова, О. А. (2021). Методы пространственной эконометрики и оценка эффективности государственных программ. Прикладная эконометрика, 64, 107-134.

Зяблицкий, И. Е. (2020). Оценка фискальных мультипликаторов в российской экономике. Экономический журнал Высшей школы экономики, 24(2), 268-294.

Каменских, М. В., Иванова, Н. Ю. (2011). Эффективность государственных расходов в России. Экономическая политика, 13(6), 8-35.

Климова, А. М., Чмель, К. Ш. (2020). Региональные различия в субъективном благополучии: компенсирует ли социальная политика эффекты неравенства в

91

России?. Мониторинг общественного мнения: экономические и социальные перемены, 1, 143-176.

Колосницына М.Г., Ермолина Ю. Е. (2021). Государственные расходы на образование и экономический рост: межстрановой анализ. Вопросы статистики, 28(3), 7085. https://doi.org/10.34023/2313-6383-2021-28-3-70-85.

Мясников А., Тарасов В., Аверьянова А., Ткаченко М. (2024). Региональные финансы и бюджетно-налоговое регулирование: оценка бюджетного мультипликатора. Серия докладов об экономических исследованиях Банка России, 138. URL: https://www.cbr.ru/statichtml/file/170342/wp 138.pdf.

Регионы России. (2005-2022). Социально-экономические показатели. М.: Росстат.

Улумбекова Г. Э., Гиноян А. Б., Калашникова А. В., Альвианская Н. В. (2019).

Финансирование здравоохранения в России (2021-2024 гг.). Факты и предложения. Оргздрав. Вестник ВШОУЗ, ¥(18), 343-354.

Унтура, Г., & Канева, М. (2018). Экономический эффект затрат на науку и здравоохранение: эконометрические оценки за 2005-2013 гг. В В. Клисторин, & О. Тарасова (Ред.), Экономика Сибири в условиях глобальных вызовов XXI века. Том 2: Как превратить пространство из проклятия в ресурс развития? (343-354). Новосибирск: Институт экономики и организации промышленного производства СО РАН.

Соболева, Н. Э. (2020). Факторы, влияющие на вклад удовлетворенности работой в удовлетворенность жизнью в России. Мониторинг общественного мнения: экономические и социальные перемены, 1, 368-390. https://doi.Org/10.14515/monitoring.2020.1.15.

Щербанин Ю. А. (2011). Транспорт и экономический рост: взаимосвязь и влияние. Евразийская экономическая интеграция, 3(12), 65-78.

Acar, U., Tirgil, A. (2023). Public expenditures and life satisfaction: Evidence from Turkey. The DevelopingEconomies, 61(1), 36-56. https://doi.org/10.1111/deve.12343.

Auclert, A., Rognlie, M., Straub, L. (2024). The intertemporal Keynesian cross. NBER Working Paper 25020.

Aghion, P., Howitt, P., Murtin, F. (2010). The relationship between health and growth: when Lucas meets Nelson-Phelps. NBER Working Paper 15813.

Aiyagari, S., Christiano, Lawrence J., Eichenbaum, M. (1992). The output, employment, and interest rate effects of government consumption. Journal of Monetary Economics, 30(1), 73-86. https://doi.org/10.1016/0304-3932(92)90045-4

Almasi, M., Delangizan, S., Afrookhteh, M. (2022). Investigating the effects of the specific fiscal policies to reduce regional inequality in Iran: Spatial econometric approach. Journal of Applied Economics Studies in Iran, 11(42), 171-194.

Arbia, G. (2014). A Primer for Spatial Econometrics. Palgrave Macmillan.

Arellano M., Bond S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations, The review of economic studies, 58(2), 277-297.

Armingeon, K. (2012). The politics of fiscal responses to the crisis of 2008-2009. Governance, 25(4), 543-565.

Ashraf, Q. H., Lester, A., Weil, D. N. (2008). When does improving health raise GDP? NBER Macroeconomics Annual, 23(1), 157-204.

Atilgan, E., Kilic, D., Ertugrul, H. M. (2017). The dynamic relationship between health expenditure and economic growth: Is the health-led growth hypothesis valid for Turkey? The European Journal of Health Economics, 18(5), 567-574.

Auerbach, A. J., Gorodnichenko, Y., Murphy, D. (2019). Local fiscal multipliers and fiscal spillovers in the United States (No. 25457). National Bureau of Economic Research. DOI: 10.3386/w25457.

Batini, N., Eyraud, L., Forni, L., Weber, A. (2014). Fiscal multipliers: Size, determinants, and use in macroeconomic projections. International Monetary Fund.

Barro R. J. (1991). Economic growth in a cross section of countries. The quarterly journal of economics, 106(2), 407-443.

Barro, R. J., and Sala-i-Martin, X. (1992). Convergence. Journal of political Economy, 100(2), 223-251.

Baxter, M., King, Robert G. (1993). Fiscal policy in general equilibrium. American Economic Review, 83(3), 315-334.

Bhargava, A., Jamison, D. T., Lau, L. J., Murray, C. J. (2001). Modeling the effects of health on economic growth. Journal of Health Economics, 20(3), 423-440.

Bj0rnskov, C., Dreher, A., Fischer, J. A. V. (2007). The bigger the better? Evidence of the effect of government size on life satisfaction around the world. Public Choice, 130, 267292. https://doi.org/10.1007/s11127-006-9081-5.

Bernanke B.S. (1986). Alternative explanations of the money-income correlation. CarnegieRochester Conference Series on Public Policy, 25, 49-99.

Blanchard O. J., Watson M. W. (1986). Are business cycles all alike? The American business cycle: Continuity and change. University of Chicago Press.

Blanchard, O., Perotti, R. (2002). An empirical characterization of the dynamic effects of changes in government spending and taxes on output. The Quarterly Journal of Economics, 117(4), 1329-1368.

Bloom, D. E., Canning, D., Sevilla, J. P. (2001). The effect of health on economic growth: Theory and evidence. NBER Working Paper 8587.

Bonini, A.N. (2008). Cross-National Variation in Individual Life Satisfaction: Effects of National Wealth, Human Development, and Environmental Conditions. Social Indicators Research, 87, 223-236. https://doi.org/10.1007/s11205-007-9167-6

Boone, C., Dube, A., Kaplan, E. (2014). The political economy of discretionary spending: Evidence from the American Recovery and Reinvestment Act. Brookings Papers on Economic Activity, 375-428.

Boussalem, F., Boussalem, Z., Taiba, A. (2014). The relationship between public spending on health and economic growth in Algeria: Testing for co-integration and causality. International Journal of Business and Management, 2(3), 25-39.

Burnside, C., Eichenbaum, M., Fisher, Jonas D. (2004). Fiscal shocks and their consequences. Journal of Economic Theory, 115(1), 89-117.

Canova, F., Sala, L. (2009). Back to Square one: identification issues in DSGE models. Journal of Monetary Economics, 56(4), 431-449.

Capek, J., Crespo Cuaresma, J. (2020). We just estimated twenty million fiscal multipliers. Oxford Bulletin of Economics and Statistics, 82(3), 483-502.

Chang, K., Ying, Y. H. (2006). Economic growth, human capital investment, and health expenditure: A study of OECD countries. Hitotsubashi Journal of Economics, 47(1), 1-16.

Christiano, L., Eichenbaum, M., Rebelo, S. (2011). When is the government spending multiplier large?. Journal of Political Economy, 119(1), 78-121.

Civelli A., Horowitz A., Teixeira A. (2018). Foreign aid and growth: A SpVAR analysis using satellite sub-national data for Uganda, Journal of Development Economics, 134, 50-67.

Coenen, G., Erceg, C. J., Freedman, C., Furceri, D., Kumhof, M., Lalonde, R., ... Veld, J. (2012). Effects of fiscal stimulus in structural models. American Economic Journal: Macroeconomics, 4(1), 22-68.

Cogan, John F., Cwik, T., Taylor, John B., Wieland, V. (2010). New Keynesian versus Old Keynesian government spending multipliers. Journal of Economic Dynamics and Control, 34(3), 281-295.

Corsetti, G., Meier, A., Müller, G. J. (2012). What determines government spending multipliers? Economic Policy, 27(72), 521-565.

Demidova, O., Kayasheva, E., Demyanenko, A. (2023). The lack of public health spending and economic growth in Russia: A regional aspect. In B. Mehmet Hüseyin, D. Hakan, D. Ender, W. Leszek, & E. S. Tolga (Eds.), Eurasian Business and Economics Perspectives: Proceedings of the 38th Eurasia Business and Economics Society Conference (Vol. 25, pp. 209-232). Springer Publishing Company.

Devarajan, S., Swaroop, V., Zou, H. F. (1996). The composition of public expenditure and economic growth. Journal of Monetary Economics, 37(2), 313344. https://doi.org/10.1016/S0304-3932(96)90039-2.

Dixon, S., McDonald, S., Roberts, J. (2002). The impact of HIV and AIDS on Africa's economic development. BMJ, 324(7331), 232-234.

Dupor, B., Guerrero, R. (2017). Local and aggregate fiscal policy multipliers. Journal of Monetary Economics, 92, 16-30.

Eble S., Pitt A., Bunda I., Adilbish O. E., Budina N., Hong G. H., Malak M., Mohona A., Byrdova A., Primus K. (2025). Long-Term Spending Pressures in Europe. Departmental Papers, 2025(002), 1-52. https://doi.org/10.5089/9798400295805.087

Edelberg W., Eichenbaum M., Fisher J. D. (1999). Understanding the effects of a shock to government purchases. Review of Economic Dynamics, 2 (1), 166-206.

Elhorst, J. P. (2014). Spatial econometrics: From cross-sectional data to spatial panels. Springer.

Elmi, Z. M., Sadeghi, S. (2012). Health care expenditures and economic growth in developing countries: Panel co-integration and causality. Middle-East Journal of Scientific Research, 12(1), 88-91.

Essletzbichler, J. (2007). Diversity, Stability and Regional Growth in the United States, 19752002. In: K. Frenken ed., Applied evolutionary economics and economic geography (pp. 203229). Edward Elgar Publishing.

Forni, M., Gambetti, L. (2016). Government spending shocks in open economy VARs. Journal of International Economics, 99, 68-84.

Frey, B. S., Stutzer, A. (2012). The use of happiness research for public policy. Social Choice and Welfare, 38(4), 659-674. https://doi.org/10.1007/s00355-011-0629-z.

Friedmann, J. (2006). Four theses in the study of China's urbanization. International journal of urban and regional research, 30(2), 440-451.

Gali, J., Lopez-Salido, J. David, Valles, J. (2007). Understanding the effects of government spending on consumption. Journal of the European Economic Association, 5(1), 227-270.

Gallup, J. L., Sachs, J. D. (2000). The economic burden of malaria. The American Journal of Tropical Medicine and Hygiene, 64(1), 85-96.

Giannini M., Fiorelli C., Martini B. (2022). Ageing in the labour market: a spatial VAR approach. Spatial Economic Analysis, 17(2), 538-556.

Gogas P., Pragidis I. (2015). Are there asymmetries in fiscal policy shocks? Journal of Economic Studies, 42 (2), 303-321.

Greene W. H. (2017). Econometric Analysis, NY: Pearson.

Hagedorn, M., Manovskii, I., Mitman, K. (2019). The fiscal multiplier (No. 25571). National Bureau of Economic Research. DOI: 10.3386/w25571.

Harris R. D. F., Tzavalis E. (1999). Inference for unit roots in dynamic panels where the time dimension is fixed. Journal of Econometrics, 91(2), 201-226.

Haug, A. (2016). A new test of Ricardian equivalence using the narrative record on tax changes. Economics Discussion Papers 1607, University of Otago.

Henderson, V. (2003). The urbanization process and economic growth: The so-what question. Journal of Economic growth, 8(1), 47-71.

Hsiao, C. (2014). Analysis of panel data. New York, NY: Cambridge University Press.

Huang, H. C., Yuan, C. L., and Liao, T. H. (2022). The Spatial Spillover Effects of Fiscal Expenditures and Household Characteristics on Household Consumption Spending: Evidence from Taiwan. Economies, 10(9), 227-242.

International Monetary Fund (IMF). Fiscal Monitor (FM) Indicators by Area. URL: https://data.imf.org/en/Dashboards/FM%20Dashboard (Publication date: Oct 24, 2024, Date last updated: Apr 10, 2025).

Im K. S., Pesaran M. H., Shin Y. (2003). Testing for unit roots in heterogeneous panels. Journal of Econometrics, 115(1), 53-74.

Kasmaoui, K., Bourhaba, O. (2017). Happiness and public expenditure: Evidence from a panel analysis. HAL working paper. URL: https://univ-pau.hal.science/hal-02625987/ (accessed: 23.01.2025).

King R., Plosser C. I., Stock J. H., Watson M. W. (1991). Stochastic trends and economic fluctuations. American Economic Review, 81(4), 819-840.

Kleiman, E. (1974). The determinants of national outlay on health. In M. Perlman (Ed.), The economics of health and medical care (pp. 66-88). Palgrave Macmillan.

Kotakorpi, K., Laamanen, J. P. (2010). Welfare state and life satisfaction: Evidence from public health care. Economica, 77(307), 565-583. https://doi.org/10.1111/j.1468-0335.2008.00769.x.

Kuethe T. H., Pede V. O. (2011). Regional housing price cycles: a spatio-temporal analysis using US state-level data, Regional studies, 45(5), 563-574.

Kurt, S. (2015). Government health expenditures and economic growth: A Feder-Ram approach for the case of Turkey. International Journal of Economics and Financial Issues, 5(2), 441-447.

Lee L. F., Yu J. (2010). Estimation of spatial autoregressive panel data models with fixed effects. Journal of econometrics, 154(2), 165-185.

LeSage, J. P., Pace, R. K. (2009). Introduction to spatial econometrics. Taylor and Francis Group.

Lorentzen, P., McMillan, J., Wacziarg, R. (2008). Death and development. Journal of Economic Growth, 13(2), 81-124.

Lutz, W., and Samir, K. C. (2011). Global human capital: Integrating education and population. Science, 333(6042), 587-592.

Maddison A. (1991). Dynamic Forces in Capitalist Development: A Long-Run Comparative View. New York: Oxford University Press.

Mayer, D., Mora, H., Cermeño, R., Barona, A. B., Duryeau, S. (2000). Health, growth, and income distribution in Latin America and the Caribbean: a study of determinants and regional and local behavior. Washington DC: Pan-American Health Organization, 145-187.

Mehrara, M., Musai, M. (2011). Granger causality between health and economic growth in oil exporting countries. Interdisciplinary Journal of Research in Business, 1(8), 103-108.

Miller S. M., Russek F. S. (1997). Fiscal structures and economic growth at the state and local level. Public Finance Review, 25(2), 213-237.

Mountford A., Uhlig H. (2009). What are the effects of fiscal policy shocks? Journal of applied econometrics, 24 (6), 960-992.

Nakamura, E., Steinsson, J. (2014). Fiscal stimulus in a monetary union: Evidence from US regions. American Economic Review, 104(3), 753-792.

Newhouse, J. P. (1977). Medical-care expenditure: A cross-national survey. The Journal of Human Resources, 12(1), 115-125.

Nickell S. (1981). Biases in dynamic models with fixed effects. Econometrica: Journal of the econometric society, 49(6), 1417-1426.

Nordheim, O., Martinussen, P. E. (2020). Happiness and the role of social protection: How types of social spending affected individuals' life satisfaction in OECD countries, 1980-2012. Journal of International and Comparative Social Policy, 36(1), 124. https://doi.org/10.1080/21699763.2019.1601586.

Omar D. (2009). Assessing residents' quality of life in Malaysian new towns. Asian Social Science, 5(6), 94-102. https://doi.org/10.5539/ass.v5n6p94.

Palencia, L., Espelt, A., Rodriguez-Sanz, M., B Rocha, K., Isabel Pasarin, M., Borrell, C. (2013). Trends in social class inequalities in the use of health care services within the Spanish National Health System, 1993-2006. The European Journal of Health Economics, 14(2), 211219.

Penghui, X., Xicang, Z., Haili, L. (2022). Direct and indirect effects of health expenditure on economic growth in China. Eastern Mediterranean Health Journal, 28(3), 204-213.

Poterba, James M., Summers, Lawrence H. (1987). Finite lifetimes and the effects of budget deficits on national saving. Journal of Monetary Economics, 20(2), 369-391.

Raga, S. (2022). Fiscal Multipliers: a Review of Fiscal Stimulus Options and Impact on Developing Countries. Retrieved from https://set.odi.org/wp-content/uploads/2022/01/Fiscal-multipliers-review.pdf.

Ramey, V. A. (2011). Identifying government spending shocks: It's all in the timing. The Quarterly Journal of Economics, 126(1), 1-50.

Ramey V. A. (2016). Handbook of macroeconomics. Elsevier.

Ramey, V. A. (2019). Ten years after the financial crisis: What have we learned from the renaissance in fiscal research?. Journal of Economic Perspectives, 33(2), 89-114.

Rebelo, S. (1991). Long-run policy analysis and long-run growth. Journal of political Economy. 1991, 99(3), 500-521. https://doi.org/10.1086/261764

Ricciuti, R. (2003). Assessing Ricardian equivalence. Journal of Economic Surveys, 77(1), 5578.

Romer, C. D., Romer, D. H. (2010). The macroeconomic effects of tax changes: Estimates based on a new measure of fiscal shocks. American Economic Review, 100(3), 763-801.

Saito I. (2016). Fading Ricardian equivalence in ageing Japan. IMF Working Paper WP/16/194.

Sala-i-Martin X. X. (1996). Regional cohesion: evidence and theories of regional growth and convergence. European Economic Review, 40(6), 1325-1352. https://doi.org/10.1016/0014-2921(95)00029-1

Seater, J. (1993). Ricardian equivalence. Journal of Economic Literature, 31(1), 142-190.

Sirag, A., Nor, N. M., Abdullah, N. M. R., Karimi, M. (2016). Does High Public Health Expenditure Slow Down Economic Growth?. Journal of Applied Economic Sciences, 11(39), 710.

Shediac, R., Abouchakra, R., Moujaes, C. N., Najjar, M. R. (2008). Economic Diversification. The Road to Sustainable Development. Booz and Company. Available at: <https://grist.org/wp-content/uploads/2010/12/economic_diversification2.pdf> [Accessed 27 August 2021].

Skrondal, A., Rabe-Hesketh, S. (2004). Generalized latent variable modeling: Multilevel, longitudinal, and structural equation models. Boca Raton, FL: Chapman and Hall/CRC.

Solow, R. M. (1956). A contribution to the theory of economic growth. The Quarterly Journal of Economics, 70(1), 65-94.

Song, X., Wei, Y., Deng, W., Zhang, S., Zhou, P., Liu, Y., Wan, J. (2019). Spatio-temporal distribution, spillover effects and influences of China's two levels of public healthcare resources. International Journal of Environmental Research and Public Health, 16(4), 582-599.

Stock J. H., Watson M. W. (2012). Disentangling the Channels of the 2007-2009 Recession (No. 18094). National Bureau of Economic Research. DOI: 10.3386/w18094

Strauss, J., Thomas, D. (1998). Health, nutrition, and economic development. Journal of Economic Literature, 36(2), 766-817.

Uhlig H. (2005). What are the effects of monetary policy on output? Results from an agnostic identification procedure. Journal of Monetary Economics, 52(2), 381-419.

Veenhoven, R. (2004). Happiness as a Public Policy Aim: The Greatest Happiness Principle. In A. Linley, S. Joseph (Eds.), Positive Psychology in Practice (pp. 658-678). John Wiley and Sons, Inc. Hoboken, N.J., USA. https://doi .org/10.1002/9780470939338.ch39.

Wang, K. M. (2011). Health care expenditure and economic growth: Quantile panel-type analysis. Economic Modelling, 28(4), 1536-1549.

Wang F. (2015). More Health Expenditure, Better Economic Performance? Empirical Evidence from OECD Countries. INQUIRY: The Journal of Health Care Organization, Provision, and Financing, 52,1-5.

Wang, F., Wang, J. D., Huang, Y. X. (2016). Health expenditures spent for prevention, economic performance, and social welfare. Health Economics Review, 6(1), 1-10.

World Health Organization. (2005). The World Health Report 2005: Make every mother and child count. Retrieved from https://www.who.int/publicationsMtem/9241562900.

Yu J., De Jong R., Lee L. F. (2008). Quasi-maximum likelihood estimators for spatial dynamic panel data with fixed effects when both n and T are large. Journal of Econometrics, 146(1), 118134.

Zhang, Y., Song, Y., Zou, H. (2022). Non-linear effects of heterogeneous environmental regulations on industrial relocation: Do compliance costs work? Journal of Environmental Management, 323.

Zhang, X., Gang, Z., Dong, X. (2020). Effects of government healthcare expenditure on economic growth based on spatial Durbin model: Evidence from China. Iranian Journal of Public Health, 49(2), 283-293.

Приложение 1. Дополнительные результаты оценок к главе 2

Таблица 10. Результаты оценивания пространственной модели Дарбина для российских регионов с включенным квадратичным членом для расходов на образование (зависимая переменная - рост ВРП).

Регрессоры ß Q Прямой эффект Косвенный эффект Суммарны й эффект

shexp_gov 0.146 -1.379* 0.052 -1.760 -1.708

(0.272) (0.804) (0.276) (1111) (1.155)

shexp_econ -0.096 -0.062 -0.114 -0.14 -0.255

(0.174) (0.274) (0.171) (0.362) (0.405)

shexp_housing 0.239 (0.182) 0.471 (0.477) 0.300* (0.151) 0.712 (0.630) 1.012 (0.672)

shexp_edu 1.005*** -0.119 1.007*** 0.297 1.304

(0.336) (0.573) (0.356) (0.856) (1111)

shexp_edu2 -6.426*** -1.142 -6.649*** -4.708 -11.357***

(2.259) (2.045) (2.208) (3.165) (4.413)

shexp_health 1.274** (0.563) -0.993 (0.932) 1.238** (0.574) -0.714 (1.389) 0.524 (1.658)

shexp_health2 -10.069** 6.283 -9.823** 3.416 -6.407

(4.741) (7.387) (4.885) (10.849) (13.098)

shexp_socpol -0.572** -0.051 -0.604** -0.368 -0.972

(0.253) (0.387) (0.258) (0.558) (0.685)

grppercapppp -1.71e-07** 2.48e-07 1.58e-07** -2.97e-07 1.21e-07

(8.69e-08) (2.01e-07) (7.93e-08) (2.77e-07) (2.81e-07)

пгпопсиогогм rr 0.027 -0.106 0.0199 -0.140 -0.120

(0.018)

(0.076)

(0.0209)

(0.114)

(0.128)

invgdp

-0.0317 (0.0242)

-0.0494 (0.0427)

-0.0356 (0.0249)

-0.077 (0.060)

-0.112 (0.073)

highed

0.1580** (0.0779)

-0.109 (0.157)

0.1522* (0.0813)

-0.0880 (0.2177)

0.064 (0.254)

HH

-0.1652** (0.0780)

-0.034 (0.168)

-0.166** (0.079)

-0.113 (0.216)

-0.279 (0.237)

road

-6.60e-05* (3.95e-05)

4.35e-05 (5.18e-05)

-7.21e-05* (4.08e-05)

8.97e-05 (7.05e-05)

-1.62e-04* (8.54e-05)

import_grp

0.0582*** (0.0206)

-0.0196 (0.0388)

0.0585*** (0.0214)

-0.0019 (0.0552)

0.0565 (0.0649)

banks

0.0197 (0.0217)

0.0263 (0.0584)

0.0223 (0.0243)

0.0487 (0.0842)

0.071 (0.096)

IR

-0.0048 (0.0229)

0.001 (0.034)

-0.0047 (0.0219)

-0.0023 (0.0484)

-0.0069 (0.0576)

P

0.329*** (0.025)

Примечание. В скобках указаны стандартные ошибки. Уровни значимости: * - 10%; 1%. Все независимые переменные использованы с временным лагом в 1 год.

Таблица 11. Величина прямого эффекта по регионам в 2018 г.

Регион

Белгородская область

Брянская область Владимирская область Воронежская область Ивановская область Калужская область Костромская область Курская область Липецкая область Орловская область

Прямой эффект в 2018 _году_

1.92261693

1.83445268

1.765845224

1.882305971

1.789321606

1.816633329

1.862220931

1.889542594

1.976081543

1.826822835

- 5%;

Рязанская область Смоленская область Тамбовская область Тверская область Тульская область Ярославская область Москва и Московская область Республика Карелия Республика Коми Архангельская область (без НАО) Ненецкий автономный округ Вологодская область Ленинградская область Мурманская область Новгородская область Псковская область Санкт-Петербург Республика Адыгея Республика Калмыкия Краснодарский край Астраханская область Волгоградская область Ростовская область Республика Дагестан Республика Ингушетия Кабардино-Балкарская Республика Карачаево-Черкесская Республика Республика Северная Осетия - Алания Ставропольский край Республика Башкортостан Республика Марий Эл Республика Мордовия Республика Татарстан Республика Удмуртия Чувашская Республика Пермский край Кировская область Нижегородская область Оренбургская область Пензенская область Самарская область Саратовская область Ульяновская область

1.826039908

1.883991639

1.976431377

1.85264819

1.847837921

1.852905444

1.818571672

1.854576436

1.900001752

1.828951107

2.018462271

1.918489754

1.760856159

1.871778096

1.924986003

1.760328118

1.647608505

1.736950336

1.858555663

1.81970799

1.978448836

1.933749398

1.915348365

1.94328677

1.707814915

1.644767047

1.455730161

1.434624049

1.830706322

1.895815108

1.957103918

1.803293984

1.947094863

1.980180945

1.806281179

1.947534025

1.975042324

1.927631953

2.003840251

1.813252234

1.97677769

2.00051342

1.892845435

Курганская область 1.841891062

Свердловская область 1.881611952

Тюменская область (без автономных 1.858030631

округов)

Ханты-Мансийский автономный округ 1.955147312

- Югра

Ямало-Ненецкий автономный округ 2.04325096

Челябинская область 1.908397131

Республика Алтай 1.011575169

Республика Бурятия 1.398187501

Республика Тыва 1.330510866

Республика Хакасия 1.657903603

Алтайский край 1.674053837

Забайкальский край 1.833777591

Красноярский край 1.936613979

Иркутская область 1.854764378

Кемеровская область 1.854989209

Новосибирская область 1.946621778

Омская область 1.909598347

Томская область 1.941762784

Республика Саха (Якутия) 1.765458636

Камчатский край 1.396930273

Приморский край 1.819927723

Хабаровский край 1.754769121

Амурская область 1.731108895

Магаданская область 1.240657531

Сахалинская область 1.731555268

Еврейская автономная область 1.682252308

Чукотский автономный округ 1.230391165

Приложение 2. Оценки коэффициентов моделей пространственной векторной авторегрессии.

Таблица 12. Результаты оценивания SpVAR для системы ВРП — суммарные расходы — налоговые доходы и ВРП — расходы на общегосударственные вопросы — налоговые доходы.

— ln_exp_full — ln_rev_tax ln_grp — ln_exp_gov —

ln_rev_tax

0.571*** 0.182*** - 0.564*** 0.164*** -(0.020) (0.028) 0.162*** (0.019) (0.040) 0.185***

(0.037) (0.037)

L1 ln exp full -0.034** (0.016) 0.552*** (0.024) 0.155*** (0.033)

L1_ln_exp_gov -0.017* (0.010) 0.451*** (0.022) -0.035* (0.020)

L1 ln rev tax -0.012 -0.021 0.864*** -0.019 -0.017 0.805***

(0.016) (0.019) (0.027) (0.012) (0.026) (0.025)

Wln_grp 0.311*** (0.024) 0.309*** (0.024)

Wln_exp_full 0.313*** (0.028)

Wln_exp_gov 0.173*** (0.032)

Wln_rev_tax 0.421*** (0.029) 0.402*** (0.029)

mining 0.184*** -0.012 0.370*** 0.195*** -0.103 0.425***

(0.041) (0.059) (0.083) (0.041) (0.090) (0.082)

agriculture - - 0.213 - -0.209 0.153

0.344*** 0.430*** (0.190) 0.346*** (0.206) (0.190)

(0.094) (0.134) (0.094)

government - 0.035 - - 0.441* -

1.888*** (0.151) 1.089*** 1.889*** (0.231) 1 099***

(0.104) (0.208) (0.104) (0.208)

L1_ln_urals - - - - - -

0.075*** 0.195*** 0.250*** 0.078*** 0.160*** 0.268***

(0.015) (0.021) (0.029) (0.015) (0.031) (0.029)

L1 miacr - - - - - -

0.012*** 0.020*** 0.006*** 0.012*** 0.018*** 0.008***

(0.001) (0.002) (0.002) (0.001) (0.002) (0.002)

L1_ln_pfr 0.039*** 0.019 0.195*** 0.033*** - 0.152***

(0.009) (0.012) (0.019) (0.009) 0.061*** (0.018) (0.018)

В скобках указаны стандартные ошибки. Уровни значимости: * — 10%; ** — 5%; *** —

Таблица 13. Результаты оценивания SpVAR для системы ВРП — расходы на национальную экономику — налоговые доходы и ВРП — расходы на ЖКХ — налоговые доходы.

ln_grp — ln_exp_econ — ln_grp — ln_exp_housing —

ln rev tax ln rev tax

L1_ln_grp 0.571*** 0.212*** - 0.559*** 0.223*** -

(0.020) (0.065) 0.154*** (0.038) (0.019) (0.075) 0 179*** (0.037)

L1_ln_exp_econ -0.015** (0.007) 0.523*** (0.025) 0.061*** (0.015)

L1_ln_exp_housing -0.010* (0.006) 0.558*** (0.024) -0.020* (0.011)

L1_ln_rev_tax -0.017 -0.103** 0.813*** -0.015 -0.014 0.788***

(0.012) (0.041) (0.025) (0.013) (0.051) (0.026)

Wln_grp 0.314*** (0.024) 0.309*** (0.024)

Wln_exp_econ 0.263*** (0.034)

Wln_exp_housing 0.201*** (0.031)

Wln_rev_tax 0.393*** (0.029) 0.378*** (0.029)

mining 0.184*** -0.207 0.379*** 0.196*** 0.321* 0.423***

(0.041) (0.139) (0.083) (0.041) (0.169) (0.082)

agriculture - - 0.184 - -0.448 0.074

0.333*** 0.972*** (0.191) 0.365*** (0.384) (0.189)

(0.094) (0.317) (0.094)

government - - - - 0.323 -

1.881*** 1.400*** 1.081*** 1 909*** (0.428) 1.125***

(0.104) (0.351) (0.209) (0.104) (0.210)

L1_ln_urals - -0.046 - - - -

0.080*** (0.048) 0.000*** 0.080*** 0.226*** 0.269***

(0.014)

(0.000) (0.014) (0.058) (0.029)

L1_miacr - - -0.008 - - -

0.012*** 0.016*** (0.002) 0.012*** 0.017*** 0.010*** (0.001) (0.004) (0.001) (0.004) (0.002)

L1_ln_pfr 0.036*** -0.050* 0.162*** 0.035*** - 0.132*** (0.009) (0.028) (0.019) (0.009) 0.161*** (0.018)

(0.035)

В скобках указаны стандартные ошибки. Уровни значимости: * — 10%; ** — 5%; *** — 1%.

Таблица 14. Результаты оценивания SpVAR для системы ВРП — расходы на образование — налоговые доходы и ВРП — расходы на здравоохранение — налоговые доходы.

ln_grp —ln_exp_ edu — ln_grp — ln_exp_health —

ln_rev_tax ln_rev_tax

L1_ln_grp 0.553*** 0.077*** - 0.561*** 0.269*** -

(0.020) (0.029) 0.157*** (0.038) (0.020) (0.074) 0.193*** (0.037)

L1_ln_exp_edu 0.017 (0.016) 0.522*** (0.023) 0.112*** (0.033)

L1 ln exp health -0.002 (0.005) 0.392*** (0.022) 0.0001 (0.011)

L1 ln rev tax -0.026** 0.070*** 0.834*** -0.022* 0.028 0 774***

(0.012) (0.017) (0.025) (0.012) (0.049) (0.025)

Wln_grp 0.314*** (0.024) 0.312*** (0.024)

Wln_exp_edu 0.323*** (0.031)

Wln_exp_health 0.506*** (0.026)

Wln_rev_tax 0.412*** (0.029) 0.367*** (0.029)

mining 0.202*** 0.098* 0.403*** 0 197*** 0.168 0.303***

(0.041) (0.059) (0.083) (0.041) (0.165) (0.082)

agriculture - - 0.149 - 0.083 -0.333*

0.355*** 0.358*** (0.189) 0.354*** (0.379) (0.189)

(0.094) (0.135) (0.094)

government - 0.207 - - 0.620 -

1.906*** (0.154) 0.978*** 1.886*** (0.417) 1.595***

(0.105) (0.211) (0.104) (0.208)

L1_ln_urals - - - - -0.064 -

0.084*** 0.181*** 0.249*** 0.078*** (0.066) 0.256***

(0.015) (0.022) (0.030) (0.016) (0.032)

L1_miacr - - -0.006** - - -

0.012*** 0.018*** (0.002) 0.012*** 0.036*** 0.010***

(0.001) (0.002) (0.001) (0.005) (0.003)

L1_ln_pfr 0.030*** 0.070*** 0.183*** 0.033*** 0.051 0.132***

(0.009) (0.013) (0.019) (0.009) (0.032) (0.018)

В скобках указаны стандартные ошибки. Уровни значимости: * — 10%; ** — 5%; *** — 1%.

Таблица 15. Результаты оценивания SpVAR для системы ВРП — расходы на социальную

политику — налоговые доходы._

ln_grp — ln_exp_socpol —

ln_rev_tax

L1_ln_grp 0.564*** 0.078* -

(0.020) (0.047) 0.176*** (0.038)

L1_ln_exp_socpol -0.006 0.546*** -0.032*

(0.009) (0.022) (0.018)

L1_ln_rev_tax -0.023* 0.016 0.806***

(0.012) (0.028) (0.024)

Wln_grp 0.317*** (0.025)

Wln_exp_socpol 0.632*** (0.026)

Wln_rev_tax 0 417***

(0.029)

ш1шп§ 0.200*** 0.300*** 0.443***