Север и рынок. 2026, № 1.

СЕВЕР И РЫНОК: формирование экономического порядка. 2026. № 1. С. 16-31. Sever i rynok: formirovanie ekonomicheskogo poryadka [The North and the Market: Forming the Economic Order], 2026, no. 1, pp. 16-31. ИННОВАЦИИ И ИНВЕСТИЦИИ В ПРОМЫШЛЕННОСТИ СЕВЕРА И АРКТИКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Таблица 1 Описание переменных, используемых в анализе Обозначение Переменная Зависимые переменные (Y) work_sm Удельный вес средней численности работников малых предприятий в общей численности работников на предприятиях МСП (юридических лицах) в регионе, % work_micro Удельный вес средней численности работников микропредприятий в общей численности работников на предприятиях МСП (юридических лицах) в регионе, % work_aver Удельный вес средней численности работников средних предприятий в общей численности работников на предприятиях МСП (юридических лицах) в регионе, % ind_entre Удельный вес индивидуальных предпринимателей, % ind_empl Удельный вес наемных работников, занятых в ИП, % ind_partner Удельный вес партнеров, занятых в индивидуальном предпринимательстве, % ind_family Удельный вес помогающих членов семьи, занятых в ИП, % Объясняющие переменные edu Удельный вес занятого населения с высшим образованием в общей численности занятых в регионе, % sec_edu Удельный вес занятого населения со средним профессиональным образованием в общей численности занятых в регионе, % patent_p Число выданных патентов на изобретения на 10 тыс. населения в регионе, шт. Контрольные переменные unemployed Уровень безработицы населения в возрасте 15-72 лет в регионе, % agr Удельный вес сельского хозяйства в ВДС региона, % manuf Удельный вес обрабатывающего производства в ВДС региона, % mining Удельный вес добычи полезных ископаемых в ВДС региона, % migration Число выбывших на 100 тыс. населения региона, человек densauto Плотность автомобильных дорог общего пользования с твердым покрытием, км путей на 1 000 км 2 территории north Бинарная переменная (1— регионы Крайнего Севера и приравненных к ним местностей, 0 — нет) Примечание. Источник: составлено авторами на основе: Росстат. Приложение к сборнику по регионам «Малое и среднее предпринимательство вРоссии» (2009, 2010, 2012, 2014, 2015, 2017, 2019, 2022, 2024). URL: https://rosstat.gov.ru/folder/210/document/13223 (дата обращения: 01.03.2025); Росстат. Сборник «Рабочая сила, занятость, безработица» / Структура занятого населения по уровню образования / Приложение к сборнику по регионам России. URL: https://rosstat.gov.ru/folder/210/document/13211 (дата обращения: 01.03.2025); Росстат. Сборник «Труд и занятость в России». Приложение к сборнику / Структура занятого населения по уровню образования. URL: https://rosstat.gov.ru/folder/210/document/13210 (дата обращения: 01.03.2025); Росстат. Регионы России. Социально-экономические показатели. Среднегодовая численность населения. Выдано патентов на изобретения. Плотность автомобильных дорог общего пользования с твердым покрытием. URL: https://rosstat.gov.ru/folder/210/document/13204 (дата обращения: 01.03.2025); Росстат. Официальная статистика / Рынок труда, занятость и заработная плата / Трудовые ресурсы, занятость и безработица / Занятость и безработица / Численность безработных в возрасте 15-72 и уровень безработицы. URL: https://rosstat.gov.ru/labour_force (дата обращения: 01.03.2025); Росстат. Официальная статистика / Национальные счета / Валовой региональный продукт / Отраслевая структура валовой добавленной стоимости. URL: https://rosstat.gov.ru/statistics/accounts (дата обращения: 01.03.2025); ЕМИСС. Число выбывших (внешняя для региона миграция https://showdata.gks.ru/report/276652/ (дата обращения: 01.03.2025). Учитывая ограниченный объем статьи, не приводим описательную статистику переменных, а также результаты различных тестов. По результатам предварительного анализа три переменные были прологарифмированы. Тест на мультиколлинеарность в данных таковую не выявил. Модели фиксированных эффектов использовать было невозможно, поскольку необходимо оценить влияние неизменяющейся во времени переменной северности. Тест Песарана подтвердил наличие межпространственной зависимости данных, свойственной региональным выборкам. По этим причинам модели были оценены МНК с пересчетом методом Дрисколла — Крэя, который позволяет получать стандартные робастные ошибки, более устойчивые в том числе и к общим формам поперечной зависимости. Стандартные ошибки Дрисколла и Крэя предпочтительнее стандартных ошибок Хьюбера, Уайта, Ньюи — Вэста и Роджерса в наборе переменных, в которых присутствуют все три проблемы: автокорреляция, межпространственная зависимость и гетероскедастичность. Кроме того, в отличие от моделей с фиксированными и случайными эффектами, требующих жестких допущений о независимости данных, что может привести к смещенным и неэффективным оценкам, метод Дрисколла — Крэя обеспечивает надежные результаты независимо от специфики панельных данных, устраняя недостатки других методов. Оптимальное количество лагов, исходя из размера выборки, равно 2 . В моделях были учтены фиксированные переменные времени 2008-2022 гг. (Fe time). Результаты моделирования представлены в табл. 2 и 3. ©Дорошенко С. В., Шорохова И. С., 2026 20