Identification and analysis of agglomeration effects in the regional economy (Samara region case)

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

In the context of Russia's gradual exclusion from a number of foreign economic processes, there is a need to search for internal reserves for economic growth. Urban agglomerations that concentrate a significant amount of resources, population, and production capacity become one of such reserves. The growing concentration of subjects of economic activity and the growth of interaction between them create conditions for the appearance of agglomeration effects. This article presents a methodology for identifying and analyzing agglomeration effects in the regional economy. The methodology has been tested on the example of the Samara region. The main stages of its application are shown. The novelty of the study consists in the formation of an algorithm for identifying and analyzing agglomeration effects, which includes the stages of limiting the subject of research through delimitation, selecting the most significant regional agglomeration, characterizing the degree of manifestation of signs and factors of agglomeration effects in the region and its parts, forming a model of interaction of signs and factors of agglomeration effects based on structural equations using the method of partial least squares (PLS-SEM). The application of this methodology makes it possible to understand whether agglomeration effects exist in the region, in which part of the region they are concentrated, how factors of agglomeration effects affect the regional economy. This ultimately allows to propose a sequence of priorities for management decisions.

About the authors

Yuriy Vladimirovich Pavlov

Samara State University of Economics

Email: Pavlov-mlad@mail.ru
Старший преподаватель кафедры региональной экономики и управления

References

  1. Андреев В. В., Лукиянова В. Ю., Кадышев Е. Н. Анализ территориального распределения населения в субъектах Приволжского федерального округа с применением законов Ципфа и Гибрата // Прикладная эконометрика. – 2017. – № 48. – c. 97–121.
  2. Вертакова Ю. В., Рисин И. Е., Трещевский Ю. И. Итерационная технология оценки условий кластеризации в региональном экономическом пространстве // Экономика и управление. – 2016. – № 4. – c. 11-19.
  3. Ворошилов Н.В. Подходы к оценке развитости агломераций на территории России // Проблемы развития территории. – 2019. – № 4. – c. 40–54. – doi: 10.15838/ptd.2019.4.102.2.
  4. Коломак Е.А., Шерубнёва А.И. Оценка значимости агломерационных эффектов на юге Сибири // Пространственная экономика. – 2023. – № 1. – c. 52–69. – doi: 10.14530/se.2023.1.052-069.
  5. Лавриненко П.А., Михайлова Т.Н., Ромашина А.А., Чистяков П.А. Агломерационные эффекты как инструмент регионального развития // Проблемы прогнозирования. – 2019. – № 3. – c. 50-59.
  6. Павлов Ю.В., Хмелева Г.А. Оценка влияния агломерационного эффекта на экономическое развитие городских округов Самарской области // Экономика, предпринимательство и право. – 2022. – № 10. – c. 2773-2794. – doi: 10.18334/epp.12.10.116416.
  7. Павлов Ю. В., Королева Е. Н. Пространственные взаимодействия: оценка на основе глобального и локального индексов Морана // Пространственная экономика. – 2014. – № 3. – c. 95-110.
  8. Развитие городских агломераций: аналитический обзор. Вып. 2. Официальный сайт ОАО Российского института градостроительства и инвестиционного развития «Гипрогор». [Электронный ресурс]. URL: http://www.giprogor.ru/analytics/publications (дата обращения: 01.08.2023).
  9. Растворцева С.Н., Снитко Л.Т. Региональная специализация и агломерационные эффекты в экономике России // Экономические и социальные перемены: факты, тенденции, прогноз. – 2020. – № 3. – c. 46–58.
  10. Сводные доклады о результатах мониторинга эффективности деятельности органов местного самоуправления городских округов и муниципальных районов в Самарской области. Сайт Правительства Самарской области. URL: https://www.samregion.ru/authorities/drugie-organy-vlasti/local/svodnye-doklady-o-rezultatah-monitoringa-effektivnosti-deyatelnosti-organov-mestnogo-samoupravleniya-gorodskih-okrugov-i-munitsipalnyh-rajonov-v-samarskoj-oblasti/ (дата обращения: 04.06.2023)
  11. Сомов В.Л., Марков В.А., Бровкова А.В. Статистические подходы к измерению агломерационных эффектов (на примере регионов Приволжского федерального округа) // Вопросы статистики. – 2018. – № 25(6). – c. 51-59.
  12. Шмидт А. В., Антонюк В. С., Франчини А. Городские агломерации в региональном развитии: теоретические, методические и прикладные аспекты // Экономика региона. – 2016. – № 3. – c. 776-789. – doi: 10.17059/2016-3-14.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Pavlov Y.V.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».