ҚАЗАҚСТАНДАҒЫ КЕҢІСТІКТІ КОНЦЕНТРАЦИЯ ЖƏНЕ ФИРМА ДЕҢГЕЙІНДЕГІ ӨНІМДІЛІК

Зерттеу мақсаты. Бұл жұмыс 2009-2017 жылдар аралығындағы панельдік деректерді пайдалана отырып, Қазақстандағы фирмалардың жалпы фактор өнімділігіне кеңістік агломерациясының əсерін зерттейді.

Əдіснамасы. Біз моменттердің жалпылама əдісін (GMM) қолдана отырып, екі сатылы бағалау стратегиясын жəне эндогендік бейімділіктерді бақылауды қолданамыз. Фирма деңгейіндегі деректер Қазақстан Республикасы Стратегиялық жоспарлау жəне реформалар агенттігінің Ұлттық статистика бюросынан алынған.

Зерттеудің бірегейлігі / құндылығы. Бұл зерттеу дамушы елдердегі кеңістіктік шоғырлану мен фирма деңгейінің өнімділігін эмпирикалық зерттеуге ықпал етеді жəне саясаткерлерге мемлекеттік бағдарламаларды жүзеге асыру алдында қарастыратын құнды түсініктерді береді.

Зерттеу нəтижелері. Нəтижелер кластерлеу кезінде өнімділіктің жоғарылайтынын көрсетеді: бір саладағы көрші фирмалар қызметкерлерінің санының 10 %-ға артуы фирма деңгейіндегі өнімділікті 1,36 %-ға арттырады, ал басқа салалардағы жұмыспен қамтудың 10 %-ға артуы фирма өнімділігін 1,95 %-ға арттырады. Өнімділіктің артуы географиялық біріктірудің 9-сандық қосалқы аймақтық деңгейіне қарағанда 2-сандық аймақтық деңгейде жоғары болады, бұл тығыз географияның фирмалардың өнімділігін жоғарылататынын білдіреді.

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.