Научный журнал

Фундаментальные исследования

ISSN 1812-7339

"Перечень" ВАК

ИФ РИНЦ = 1,798

• Авторы
• Вклад авторов
• Резюме
• Файлы
• Ключевые слова
• Литература

Гуз Е.А. 1, Королёва Е.В. 1

---

1 Федеральное государственное автономное образовательное учреждение высшего образования «Санкт-Петербургский политехнический университет Петра Великого»

Гуз Е.А. - работа с данными, анализ данных, методология исследования, валидация результатов, визуализация результатов, написание черновика рукописи

Королёва Е.В. - разработка концепции, привлечение финансирования, административное руководство исследовательским проектом, научное руководство, написание рукописи – рецензирование и редактирование

Актуальность исследования обусловлена необходимостью углубленного понимания факторов, определяющих процессы ликвидации предприятий в условиях нестабильной макрофинансовой среды и усиливающихся институциональных ограничений. В современных условиях динамика ликвидации компаний выступает важным индикатором устойчивости предпринимательской среды, доступности финансовых ресурсов и общего состояния региональной экономики. Особую значимость приобретает анализ влияния макрофинансовых факторов, включая инфляцию, кредитование и доходы населения, на устойчивость бизнеса в российских регионах. Цель исследования заключается в выявлении финансовых детерминант ликвидации компаний в российских регионах и оценке влияния макрофинансовой среды на устойчивость бизнеса. В рамках работы сформирован уникальный панельный датасет по 85 регионам Российской Федерации за период с 2019 по 2023 год, включающий показатели, характеризующие как внутренние особенности регионов, так и параметры макроэкономической и институциональной среды. На основе ряда эконометрических моделей установлено, что традиционные макроэкономические факторы (уровень безработицы, валовый региональный продукт на душу населения, инфляция) утрачивают статистическую значимость при учете общероссийских шоков. При этом единственным устойчиво значимым фактором выступает индекс административного давления. Выявлена U-образная зависимость интенсивности ликвидаций от уровня инфляции с пороговым значением 12,3%. Полученные результаты указывают на специфику институциональной среды Российской Федерации и значимость институционально-финансовых факторов в процессах ликвидации предприятий.

Статья в формате PDF

729 KB

ликвидация предприятий

регрессионное моделирование

панельные данные

регионы РФ

микрофакторы

макрофакторы

1. Заздравных А. В. Детерминанты выживаемости новых компаний российской обрабатывающей промышленности // Terra Economicus. 2024. T. 22. № 2. С. 39-59. DOI: 10.18522/2073-6606-2024-22-2-39-59.

2. Иванова А. И., Кравченко Н. А. Влияние региональных условий на бизнес-демографию российских ИТ‑компаний // Вопросы экономики. 2022. № 5. C. 79-98. DOI: 10.32609/0042-8736-2022-5-79-98.

3. Cefis E., Marsili O. Survivor: The role of innovation in firms’ survival // Research policy. 2006. Vol. 35. № 5. Р. 626-641. DOI: 10.1016/j.respol.2006.02.006.

4. Vu K. T., Kim M. H., Suardi S. Survival amidst chaos: The impact of catastrophic natural disasters on SME corruption practices // Emerging Markets Review. 2026. Vol. 70. 101401. DOI: 10.1016/j.ememar.2025.101401.

5. Margaretic P., Mingo S., Sotelo A. Business expectations and public policies amid exogenous shocks: The COVID-19 case in Latin America // Global Finance Journal. 2025. Р. 101125. DOI: 10.1016/j.gfj.2025.101125.

6. Ghosh A., Yayi C. L. Business closures in uncertain times: Theory and evidence // Finance Research Letters. 2025. Р. 107514. DOI: 10.1016/j.frl.2025.107514.

7. Zhou N., Sun R. Coping with the storm: The role of fintech in SME survival // International Review of Financial Analysis. 2024. Vol. 93. Р. 103157. DOI: 10.1016/j.irfa.2024.103157.

8. Mc Namara A., Murro P., O’Donohoe S. Discouraged borrowers and the importance of countries’ lending infrastructure for SMEs // International Review of Economics & Finance. 2025. Vol. 98. Р. 103959. DOI: 10.1016/j.iref.2025.103959.

9. Xuan S., Fu C. The Effect of Environmental Regulation on Business Ecosystem // Finance Research Letters. 2026. Vol. 89 (C). № 109203. DOI: 10.1016/j.frl.2025.109203.

10. Yin L., Hu S., Yan H. Local government implicit debt and corporate bankruptcy: Evidence from China // International Review of Financial Analysis. 2025. Р. 104617. DOI: 10.1016/j.irfa.2025.104617.

11. Falck O. Survival chances of new businesses: do regional conditions matter? // Applied Economics. 2007. Vol. 39. № 16. Р. 2039-2048. DOI: 10.1080/00036840600749615.

12. Уполномоченный при Президенте РФ по защите прав предпринимателей. Доклад Президенту Российской Федерации – 2023 «Индекс административного давления». [Электронный ресурс]. URL: https://ombudsmanyar.ru/wp-content/uploads/2023/05/index_administrativnogo_davlenia.pdf (дата обращения: 15.04.2026).

13. Официальный сайт Росстата. [Электронный ресурс]. URL: https://rosstat.gov.ru/statistics/accounts (дата обращения: 15.04.2026).

14. Официальный сайт ЦБ РФ. [Электронный ресурс]. URL: https://cbr.ru/statistics/bank_sector/sors/credit/ (дата обращения: 15.04.2026).

15. Официальный сайт с рекомендациями по работе с пакетом анализа STATA. [Электронный ресурс]. URL: https://www.stata.com/ (дата обращения: 15.04.2026).

Введение

Выживаемость предприятий играет фундаментальную роль в современной экономике. Динамика ликвидаций компаний служит ключевым индикатором здоровья предпринимательской среды и устойчивости экономической системы. Особую значимость в данных условиях приобретает анализ финансовых факторов устойчивости бизнеса, включая доступность кредитных ресурсов, инфляционные процессы и институционально-финансовые ограничения, влияющие на способность компаний сохранять операционную деятельность.

В некоторых исследованиях уровень выживаемости определяется как разница между количеством ликвидированных и действующих предприятий [1; 2]. В организационной демографии показатели выживаемости и ликвидации бизнеса являются важными индикаторами для межстрановых сравнений предпринимательских экосистем. Развитые экономики стабильно демонстрируют большую долю состоявшихся предпринимателей по сравнению с начинающими [3]. Высокий уровень выживаемости фирм полезен: он стимулирует производство, укрепляет региональные рынки труда и способствует здоровой конкуренции. Следовательно, способность новой фирмы пережить критические первые годы считается фундаментальным критерием ее жизнеспособности.

Международные исследования в области финансовой устойчивости бизнеса и корпоративных ликвидаций выявляют значимость таких финансово-экономических факторов, как уровень безработицы, валовый региональный продукт на душу населения (далее – ВРП), доступность кредитов и инфляция. Однако эмпирические результаты остаются противоречивыми. Так, в работах Kieu Trang Vu, Maria H. Kim, Sandy Suardi и Paula Margaretic, Santiago Mingo, Agustin Sotelo уровень безработицы положительно влияет на ликвидацию бизнеса, что согласуется с базовыми принципами экономической теории [4; 5]. Напротив, Amit Ghosh, Constant L. Yayi обнаружили отрицательный эффект, связывая это с особенностями выборки данных Всемирного банка [6]. Заздравных А. В., исследуя российские показатели, не выявил значимости безработицы [1].

Переменные уровня ВРП, образовательной активности населения и кредитных средств относятся к числу наиболее часто встречаемых в зарубежных и отечественных исследованиях. Nan Zhou, Ruohan Sun, Andrea Mc Namara, Pierluigi Murro, Sheila O’Donohoe и Amit Ghosh, Constant L. Yayi, подтверждают значимость ВРП с отрицательным влиянием на ликвидацию [6-8]. Однако Иванова А. И. и Siyuan Xuan, Chen Fu отмечают положительное влияние ВРП, что может объясняться эффектом «созидательного разрушения» в более развитых и конкурентных регионах [2; 9]. Что касается образовательной активности населения, большинство исследований сходятся во мнении о его положительном влиянии на ликвидации: экономика может не справляться с ежегодным спросом на рабочие места среди выпускников, что напрямую сказывается на безработице и закрытии предприятий.

По вопросу объема заемного капитала исследователи сходятся в едином мнении: доступ к дополнительному финансированию помогает компаниям пережить кризисные времена, следовательно, рост кредитования снижает долю ликвидаций. Индекс промышленного производства, по данным Заздравных А. В. и Xuan S., Fu C., оказывает отрицательное влияние, хотя Yin L., Hu S., Yan H. приходят к противоположному выводу [1; 9; 10].

Уровень заработной платы и индекс потребительских цен (инфляция) являются наименее часто встречаемыми факторами. Заздравных А. В. показывает значимое отрицательное влияние зарплаты на ликвидации, тогда как Mc Namara A. et al. включают ее в составной индикатор [1; 8]. Ghosh A., Yayi C. L., Yin L., Hu S., Yan H. и Заздравных А. В. обнаруживают отрицательное влияние инфляции на динамику ликвидаций, что противоречит классическим представлениям [1; 6; 10].

Наконец, уровень административного давления – наименее часто упоминаемый индикатор, встречающийся только в отечественных исследованиях. Заздравных А. В. [1] и Иванова А. И. [2] приходят к выводу, что этот индекс или его составляющие оказывают положительное влияние на ликвидацию компаний.

Таким образом, на основе анализа отечественной и зарубежной научной литературы в рамках исследования были сформулированы три обобщенные гипотезы, объединяющие исходные частные предположения. В рамках исследования особое внимание уделяется влиянию макрофинансовой среды и финансовых ограничений на устойчивость предприятий и вероятность их ликвидации.

H1 (гипотеза о влиянии рынка труда и доходов). Факторы, характеризующие состояние рынка труда и уровень доходов населения (уровень безработицы, средняя заработная плата, образовательная активность населения), оказывают значимое влияние на долю ликвидируемых компаний. При этом ожидается, что рост безработицы и числа студентов увеличивает ликвидации, а рост заработной платы – снижает.

H2 (гипотеза о влиянии макроэкономической и кредитной среды). Показатели макроэкономической активности и доступа к финансированию (ВРП на душу населения, объем кредитов юридическим лицам, индекс промышленного производства, уровень инфляции) влияют на ликвидационную активность. Ожидается, что рост ВРП, кредитования и промпроизводства снижает долю ликвидаций, тогда как влияние инфляции может быть нелинейным.

H3 (гипотеза об институциональном влиянии). Индекс административного давления на бизнес является значимым фактором ликвидации компаний [11; 12]. С опорой на отечественные исследования есть основания ожидать положительное влияние: усиление административных барьеров увеличивает долю ликвидируемых предприятий.

Цель исследования – выявить финансовые детерминанты ликвидации компаний в российских регионах и оценить влияние макрофинансовой среды на устойчивость бизнеса.

Материалы и методы исследования

Для эмпирического анализа влияния социально-экономических факторов на ликвидацию компаний был сформирован исходный датасет с панельными данными по 85 регионам РФ за период с 2019 по 2023 год, включающими в себя наблюдения как по внутренним характеристикам регионов, так и по факторам макросреды. Данные получены из открытых источников статистической информации, таких как Росстат и сайт ЦБ РФ [13; 14]. Выбор временного горизонта обусловлен наличием значимых макроэкономических шоков (пандемия COVID-19, санкционное давление, структурная трансформация экономики), что позволяет оценить устойчивость выявленных связей в условиях нестабильности. Общая выборка составила 425 наблюдений. Анализ проведен путем создания и выполнения кода на базе статистического программного пакета общего назначения Stata [15].

В качестве зависимой переменной была определена доля ликвидированных организаций к среднесписочной численности зарегистрированных. Независимые переменные также представлены в таблице 1.

В рамках исследования были последовательно построены три спецификации:

1. Пул-регрессия (Pooled OLS, M0) – объединяет все наблюдения без учета особенностей регионов, предполагая, что регрессионная зависимость едина для всех регионов и всех лет.

Таблица 1

Характеристика зависимой и независимых переменных

Примечание: составлено авторами на основе полученных данных в ходе исследования.

2. Модель с фиксированными эффектами регионов (FE, M1) – контролирует все неизменные во времени региональные характеристики (географическое положение, исторически сложившуюся структуру экономики, институциональные особенности), оценивая влияние переменных исключительно на основе внутрирегиональной вариации. Выбор модели с фиксированными эффектами обоснован результатами теста Хаусмана.

3. Модель с фиксированными эффектами регионов и года (FE + year dummies, M2) – дополнительно контролирует общероссийские временные шоки, воздействующие на все регионы одновременно (пандемия, изменения ключевой ставки, санкционные пакеты). Данная спецификация позволяет очистить оценку влияния региональных факторов от макроэкономической конъюнктуры.

В общем виде построенные модели можно представить следующим образом (формула 1):

(1)

Таблица 2

Описательная статистика преобразованного датасета

Примечание: составлено авторами на основе полученных данных в ходе исследования.

Для приведения распределений переменных к виду, близкому к нормальному, непрерывные переменные (Liquid, Urate, GRP_PC, Loans, Sal) были прологарифмированы. Для проверки гипотезы о нелинейном влиянии инфляции в спецификацию M0 была добавлена квадратичная форма переменной IndexPrice. Переменная была центрирована вокруг выборочного среднего для снижения мультиколлинеарности между линейным и квадратичным членами. По результатам преобразования данных была выведена итоговая описательная статистика (табл. 2).

Логарифм доли ликвидаций компаний (ln_Liquid) демонстрирует вариацию со стандартным отклонением 0,37, что указывает на существенные межрегиональные и межвременные различия в интенсивности закрытия бизнеса даже после нормализации распределения. Ключевые макроэкономические показатели, такие как ВРП на душу населения (ln_GRP_PC), объем кредитования (ln_Loans) и уровень заработной платы (ln_Sal), после логарифмического преобразования имеют сопоставимые шкалы и распределения, близкие к нормальному. Коэффициенты при этих переменных будут отражать эластичность. Переменная EDUC фиксирует минимальное значение 2 студента на 10 000 населения, что является статистическим выбросом и может указывать на особый территориальный статус, например автономный округ с крайне малочисленным студенческим населением. Кроме того, индекс промышленного производства (Ind_Prod) демонстрирует значительную дисперсию (от 0,633 до 1,91), отражая как глубокие спады, так и резкий рост в отдельных регионах в разные годы. Индекс административного давления (Adm_barr) варьируется в теоретически ожидаемом диапазоне (1-7) со средним значением, близким к 4, что указывает на ощутимые межрегиональные различия в качестве делового климата.

Таблица 3

Корреляционная матрица

Примечание: составлено авторами по результатам данного исследования.

Индекс потребительских цен (IndexPrice) имеет относительно низкое стандартное отклонение (0,03), что характерно для общенационального инфляционного процесса; тем не менее его вариация по регионам и годам остается статистически значимой. Таким образом, трансформированный набор данных демонстрирует удовлетворительные статистические свойства для регрессионного анализа.

Для проверки предпосылки о мультиколлинеарности при построении моделей в таблице 3 представлены результаты построения корреляционной матрицы.

Таким образом, предварительный анализ не выявил критической мультиколлинеарности, но указал на необходимость контроля взаимосвязи между ключевыми макроэкономическими регрессорами. В дальнейшем коллинеарность между факторами была проконтролирована с помощью расчета фактора инфляции дисперсии (VIF).

Для проверки основных допущений регрессионного анализа были проведены:

- тест Рамсея на наличие пропущенных переменных и неправильную спецификацию;

- расчет фактора инфляции дисперсии (VIF) для диагностики мультиколлинеарности;

- тест Бройша – Пагана и тест Уайта на гетероскедастичность;

- тест Вулдриджа на автокорреляцию первого порядка (для панельных данных);

- анализ остатков на нормальность распределения (тест Шапиро – Уилка, график Q-Q);

- расчет расстояния Кука для выявления влиятельных наблюдений.

С учетом выявленных нарушений (гетероскедастичность, автокорреляция, отклонение от нормальности) во всех итоговых моделях использовались кластеризованные на уровне региона стандартные ошибки, что обеспечивает состоятельность оценок при наличии внутрирегиональной корреляции и гетероскедастичности.

Результаты исследования и их обсуждение

Проведенный эконометрический анализ позволил выявить как точки согласия, так и существенные расхождения с результатами предшествующих исследований, представленных в научной литературе. В таблице 4 представлено систематизированное сравнение полученных результатов с ожидаемыми эффектами, сформулированными на основе литературного обзора.

Модель М0 включает наибольшее количество значимых переменных, объясняя примерно 44% вариации доли ликвидации компаний. Наиболее сильное и нелинейное влияние среди макрофинансовых факторов оказывает инфляция, по которой обнаружена U-образная зависимость интенсивности ликвидаций от ее уровня. Коэффициент при линейном члене (центрированном) отрицателен и значим (-4,019, р<0,001), квадратичный член положителен и значим (39,488, р<0,001). Пороговое значение, рассчитанное по формуле вершины параболы, представлено в формуле 2:

. (2)

Таблица 4

Сравнительный анализ полученных результатов регрессионного моделирования

Примечание: составлено авторами на основе полученных данных в ходе исследования.

Данное значение соответствует годовой инфляции в 12,3% и лежит внутри наблюдаемого диапазона инфляции по регионам: минимальное значение IndexPrice в выборке – 0,633, максимальное – 1,911. Таким образом, при инфляции ниже 12,3% ее рост ассоциируется со снижением доли ликвидаций (стимулирующий эффект), выше – с ростом (дестабилизирующий эффект). Рост безработицы и увеличение объемов кредитования связаны с ростом ликвидаций, что может свидетельствовать о накоплении финансовой нагрузки и повышении уязвимости бизнеса в условиях нестабильной макрофинансовой среды. Наименее значимое положительное влияние (вероятно, объясняемое эффектом студенческой агломерации) оказывает доля студентов, обучающихся по программам высшего образования. Отличительной особенностью является отрицательное влияние административных барьеров на ликвидацию.

Модель М1 с фиксированными эффектами и кластеризованными стандартными ошибками, устойчивыми к гетероскедастичноти, автокорреляции и отклонению остатков от нормального распределения, демонстрирует более методологически корректные результаты по сравнению с М0. Модель М1 в целом значима, при этом только три переменные объясняют 55,7% внутрирегиональной вариации доли ликвидаций. Примерно 76% общей дисперсии ошибки обусловлено ненаблюдаемыми, но постоянными региональными характеристиками. Влияние независимых переменных интерпретируется следующим образом:

- увеличение безработицы в регионе на 1% приводит к росту доли ликвидированных компаний в том же регионе на 0,38%;

- увеличение заработной платы на 1% приводит к снижению доли ликвидаций на 0,68% (рост доходов населения напрямую поддерживает бизнес за счет увеличения платежеспособного спроса);

- увеличение индекса административного давления на бизнес в регионе на 1 балл связано со снижением доли ликвидаций на 4,7%.

Полученный результат по индикатору административного давления противоречит ожиданиям. Однако его можно рассматривать с той точки зрения, что ужесточение регулирования создает барьеры для формальной ликвидации (компании остаются в состоянии приостановки деятельности), защищает действующие компании от новой конкуренции или отражает эндогенность: власти усиливают давление в регионах, где бизнес находится в упадке, чтобы улучшить ситуацию.

Таким образом, контроль фиксированных эффектов более чем вдвое увеличил оцененное влияние ключевых макроэкономических факторов по сравнению со сквозной регрессией. Это означает, что в модели М0 их влияние маскировалось корреляцией с постоянными региональными характеристиками.

Наконец, модель М2 с введением фиктивных переменных лет обладает наибольшей объясняющей способностью (60,6%), которая, однако, обеспечивается только одним независимым фактором – индексом административного давления (увеличение индекса на 1 балл связано с относительным снижением доли ликвидаций приблизительно на 5,2% при прочих равных условиях). Это можно объяснить несколькими причинами:

1. Макроэкономические переменные (ln_Sal, ln_URate, ln_Loans, IndexPrice) имеют сильную общероссийскую временную компоненту (во время кризиса 2020 года они изменялись одновременно во всех регионах). Фиктивные переменные лет фиксируют эту общую временную вариацию, оставляя для оценивания только отклонения регионов от общероссийского тренда в конкретном году.

2. Эффект сверхконтроля: включение годовых фиктивных переменных контролирует любые общероссийские шоки (санкции, пандемия, политика ЦБ), которые затронули все регионы одновременно. Если влияние заработной платы, безработицы и инфляции на ликвидации осуществлялось преимущественно через эти общенациональные каналы, то их «остаточная» региональная вариация действительно может не обладать объяснительной силой.

3. Низкая внутрирегиональная вариация: после вычитания регионального среднего (FE) и общероссийского тренда по годам (фиктивные переменные) для оценивания остается очень мало вариации.

Таким образом, контроль общероссийских временных шоков абсорбирует значительную часть вариации, связанной с макроэкономическими факторами, что указывает на важность общенациональных, а не сугубо региональных каналов влияния. Кроме того, наблюдается устойчивая нисходящая динамика ликвидаций компаний с 2019 по 2023 год. К 2023 году интенсивность ликвидаций сократилась почти на две трети по сравнению с доковидным уровнем 2019 года. Это соответствует периоду постпандемийного восстановления и начала специальной военной операции, когда действовали меры поддержки бизнеса и/или снизилась регистрационная активность.

На основе сравнения М1 и М2 можно сделать следующий вывод:

- если цель состоит в понимании общих драйверов ликвидаций (включая общероссийские шоки) – необходимо рассматривать модель без годовых фиктивных переменных;

- если цель состоит в понимании региональных различий (почему в одном регионе ликвидаций больше, чем в другом в один и тот же год) – необходимо рассматривать модель с годовыми фиктивными переменными.

Таким образом, модель М0 указывает на значимость ряда макроэкономических факторов. Однако включение региональных фиксированных эффектов (М1) показывает, что эти эффекты были недооценены из-за игнорирования корреляции регрессоров с ненаблюдательными региональными характеристиками: влияние безработицы и заработной платы возрастает более чем вдвое. Наконец, контроль общероссийских временных шоков (М2) демонстрирует, что макроэкономические переменные теряют значимость; их эффект опосредован общенациональными процессами. Финальная модель М2 выявляет устойчивый нисходящий тренд ликвидаций (на 64% ниже в 2023 году по сравнению с уровнем 2019 года) и парадоксальный отрицательный эффект административного давления. Этот результат указывает на то, что динамика ликвидаций определяется прежде всего общенациональными факторами и институциональной средой, а не региональными различиями макроэкономических показателей.

Заключение

В ходе исследования построен ряд эконометрических моделей для панельных данных 85 регионов РФ за 2019-2023 гг. Выявлено, что традиционные макроэкономические факторы значимы только в сквозной регрессии или модели без годовых эффектов. При контроле общероссийских шоков они теряют значимость. Обнаружена U-образная зависимость инфляции от инфляции с порогом 12,3%. Исключением является индекс административного давления, который устойчиво отрицательно связан с долей ликвидаций, что противоречит предыдущим исследованиям РФ и указывает на специфику российской институциональной среды. К возможным причинам можно отнести, например, то, что компании в регионах с высоким административным давлением переходят в «спящий» режим, избегая ликвидации, власти усиливают давление в ответ на ухудшение ситуации в бизнесе или барьеры защищают действующие фирмы от новой конкуренции. Полученные результаты дополняют исследования в области финансовой устойчивости предприятий и влияния макрофинансовой среды на динамику ликвидации бизнеса, демонстрируя, что институционально-финансовые факторы способны существенно модифицировать действие классических макроэкономических механизмов. Практическая значимость результатов заключается в возможности использования выявленных закономерностей при разработке инструментов финансовой и институциональной поддержки бизнеса в условиях макроэкономической нестабильности.

Конфликт интересов

Благодарности

Финансирование

Библиографическая ссылка