ПРОСТРАНСТВЕННАЯ КОНЦЕНТРАЦИЯ И ПРОИЗВОДИТЕЛЬНОСТЬ ФИРМ В КАЗАХСТАНЕ

Цель исследования. В данной статье изучается влияние пространственной агломерации на общую факторную производительность предприятий в Казахстане с использованием панельных данных с 2009 по 2017 год.

Методология. Мы используем двухэтапную стратегию оценки и контролируем отклонения эндогенности, используя подход обобщенного метода моментов (GMM). Данные на уровне предприятий получены от Бюро национальной статистики Агентства стратегического планирования и реформ Республики Казахстан.

Оригинальность / ценность исследования. Это исследование вносит вклад в эмпирическое исследование пространственной концентрации и производительности на уровне компаний в развивающихся странах и дает ценную информацию для политиков, которую следует учитывать перед реализацией государственных программ.

Результаты исследования. Результаты показывают, что производительность увеличивается при объединении в кластеры: 10 % увеличение числа сотрудников соседних фирм в той же отрасли увеличивает производительность на уровне фирмы на 1,36 %, а 10 % увеличение занятости в других отраслях повышает производительность фирмы на 1,95 %. Прирост производительности выше на двузначном региональном уровне, а не на 9-значном субрегиональном уровне географической агрегации, что означает, что более плотная география повышает производительность компаний.

1. Storper M., Venables A. Buzz: face-to-face contact and the urban economy // Journal of Economic Geography. – 2004. – № 4(4). – P. 351-370.

2. Audretsch D., Feldman M. Knowledge spillovers and the geography of innovation // Elsevier: Handbook of Regional and Urban Economics. – 2004. – № 4. – P. 2713-2739.

3. Carreira C., Lopes L. Regional knowledge spillovers: a firm-based analysis of non-linear effects // Regional Studies. – 2018. – № 52(7). – P. 948-958.

4. Marshall A. Principles of economics. – Macmillan, London, 1890. – 320 p.

5. Berliant M., Reed R., Wang P. Knowledge exchange, matching, and agglomeration // Journal of Urban Economics. – 2006. – № 60(1). – P. 69-95.

6. Wooldridge J. On estimating firm-level production functions using proxy variables to control for unobservables // Economics Letters. – 2009. – № 104. – P. 112-114.

7. Andersson M., Loof H. Agglomeration and Productivity – evidence from firm-level data // Working Paper Series in Economics and Institutions of Innovation. No. 170. – CESIS, 2009. – 39 p.

8. Combes P.-P., Duranton G., Gobillon L., Puga D., Roux S. The productivity advantages of large cities: Distinguishing agglomeration from firm selection // Econometrica. – 2012. – № 80(6). – P. 2543-2594.

9. Harris R., Moffat J. Total factor productivity growth in local enterprise partnership regions in Britain // Regional Studies. – 2015. – № 96(6). – P. 1019-1041.

10. Lopez R., Sudekum J. Vertical industry relations, spillovers, and productivity: Evidence from Chilean plants // Journal of Regional Science. – 2009. – № 49(4). – P. 721-747.

11. Martin P., Mayer T., Mayneris F. Spatial concentration and plant-level productivity in France // Journal of Urban Economics. – 2011. – № 69(2). – P. 182-195.

12. Hashiguchi Y., Tanaka K. Agglomeration and firm-level productivity: A Bayesian spatial approach // Papers in Regional Science. – 2015. – № 94. – S95-S114.

13. Cainelli G., Ganau R. Distance-based agglomeration externalities and neighboring firms’ characteristics // Regional Studies. – 2018. – № 52(7). – P. 922-933.

14. DiGiacinto V., Gomellini M., Micucci G., Pagnini M. Mapping local productivity advantages in Italy: Industrial districts, cities or both? // Journal of Economic Geography. – 2014. – № 14. – P. 365-394.

15. Levinsohn J., Petrin A. Estimating production functions using inputs to control for unobservables //Review of Economic Studies. – 2003. – № 70(2). – P. 317-341.

16. Cainelli G., Fracasso A., Marzetti G. V. Spatial agglomeration and productivity in Italy: A panel smooth transition regression approach // Papers in Regional Science. – 2015. – № 94. – S39-S67.

17. Combes P.-P., Gobillon L. The empirics of agglomeration economies // Elsevier: Handbook of urban and regional economics. – 2015. – № 5. – P. 247-348.

18. Olley S., Pakes A. Dynamic behavioral responses in longitudinal data sets: Productivity in telecommunications equipment industry // Econometrica. – 1996. – № 64(6). – P. 1263-1297.

19. Wooldridge J. Simple solutions to the initial conditions problem in dynamic, nonlinear panel data models with unobserved heterogeneity // Journal of applied econometrics. – 2005. – № 20(1). – P. 39-54.

20. Ackerberg D., Caves K., Frazer G. Structural identification of production functions? // MPRA Paper, 38349. – 2006. – 42 p.

21. Statistical forms for [Electronic resource] // Bureau of National Statistics of the Agency for Strategic Planning and Reforms of the Republic of Kazakhstan [website]. – 2021. – URL: https://stat.gov.kz/en/respondents/statistical-forms/ (Accessed: 16.01.2023).

22. Henderson J. V. Marshall’s scale economies // Journal of Urban Economics. – 2003. – № 53(1). – P. 1-28.