ЮФУ
ул. М. Горького, 88, к. 211
г.Ростов-на-Дону, Россия
344002
+7 (863) 250-59-54
Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

ГЛОБАЛЬНЫЕ ИЗМЕНЕНИЯ КЛИМАТА И ОБЪЕМЫ ЛЕСОЗАГОТОВОК РЕГИОНОВ СИБИРИ В 1946–1992 годах

TERRA ECONOMICUS, , Том 18 (номер 1),
Цитирование: Пыжев, А. И. (2020). Глобальные изменения климата и объемы лесозаготовок регионов Cибири в 1946–1992 годах // Terra Economicus, 18(1), 140– 153. DOI: 10.18522/2073-6606-2020-18-1-140-153
Благодарность: Исследование выполнено за счет гранта Российского научного фонда (проект № 19-18-00145) «Моделирование взаимного влияния процессов изменения климата и развития лесного хозяйства регионов Сибири».

Несмотря на все более широкое обсуждение проблем экономики климатических изменений, наблюдается дефицит эмпирических исследований возможных последствий глобального потепления для отраслей природопользования. Эта проблема особенно актуальна для богатой природными и земельными ресурсами России, для которой как раз работы такого рода практически отсутствуют. В настоящей статье на основе имеющейся статистики лесозаготовок в регионах России (РСФСР) за период с 1946 по 1992 г. и соответствующей метеорологической информации выполнен анализ причинности по Грэнджеру с применением процедуры Тоды – Ямамото в контексте проблемы влияния постепенного изменения климата на объемы лесозаготовок с учетом пространственной дифференциации. Полученные результаты показывают, что, несмотря на тенденции постепенного увеличения температуры воздуха в рассмотренных регионах, совпадающие с общемировыми, оснований для того, чтобы считать данный эффект причиной наращивания объемов лесозаготовок в наблюдаемый период, нет. Аналогичные результаты получены для осадков. Данный вывод может объясняться тем, что: а) в рассматриваемом периоде значительный рост общего объема лесозаготовок определялся высокими темпами роста всей советской экономики, но не был ограничен состоянием ресурсной базы отрасли; б) начало изменения температур пришлось примерно на середину периода и не успело оказать существенного влияния на состояние ресурсной базы отрасли.


Ключевые слова: экономика лесного хозяйства; изменение климата; эконометрический анализ; причинность по Грэнджеру; процедура Тоды – Ямамото; статистика СССР

Список литературы:
  • Антонова, Н. Е. (2017). Трансформация лесного комплекса за годы российских реформ: дальневосточный срез // Пространственная экономика, (3), 83–106. DOI: 10.14530/se.2017.3.083-106.
  • Антонова, Н. Е., Ломакина, Н. В. (2018). Природно-ресурсные отрасли Дальнего Востока: новые факторы развития // Экономические и социальные перемены: факты, тенденции, прогноз, 11 (1), 43–56. DOI: 10.15838/esc/2018.1.55.3.
  • Булыгина, О. Н., Разуваев, В. Н., Трофименко, Л. Т., Швец, Н. В. (2014). Описание массива данных среднемесячной температуры воздуха на станциях России. Свидетельство о государственной регистрации базы данных № 2014621485. Рег. 20.11.2014. (http://meteo.ru/data/156-temperature#описание-массива-данных).
  • Глазырина, И. П., Яковлева, К. А., Жадина, Н. В. (2015). Социально-экономическая эффективность лесопользования в регионах России // Регионалистика, 2 (5–6), 18– 33. DOI: 10.14530/reg.2015.5–6.
  • Гордеев, Р. В. (2018). Конкурентоспособность продукции лесного сектора: новые уроки из анализа внешней торговли // ЭКО, 9, 63–84. DOI: 10.30680/ECO0131-7652- 2018-9-63-84.
  • Григорьев, Р. А. (2019). Грейнджеровская причинность для мировых бирж: множество решений // Terra Economicus, 17 (3), 146–168. DOI: 10.23683/2073-6606-2019-17-3- 146-168.
  • Лесопользование в Российской Федерации в 1946–1992 гг. (1996). М.: ВНИИЦлесресурс.
  • Пономаренко, А. Н. (2000). Исторические национальные счета России: 1961–1990 гг. // Экономический журнал ВШЭ, (4), 505–527.
  • Порфирьев, Б. Н. (2019). О мнимой и реальной экономической эффективности борьбы с лесными пожарами в Сибири // ЭКО, 11 (545), 8–26.
  • Пыжев, А. И., Пыжева, Ю. И., Зандер, Е. В. (2015). Лесная рента в экономике России: оценка и эффективное использование. Красноярск: Сибирский федеральный ун-т.
  • Светлов, Н. М., Сиптиц, С. О., Романенко, И. А., Евдокимова, Н. Е. (2019). Влияние изменения климата на размещение отраслей сельского хозяйства России // Проблемы прогнозирования, (4), 59–74.
  • Тетин, И. А. (2015). Циклы страховой деятельности в России и макроэкономические показатели // Прикладная эконометрика, 39 (3), 65–83.
  • Тяглов, С. Г., Шевелева, А. В., Парада, Е. В. (2019). Анализ особенностей становления нового экономического механизма рационального использования природных ресурсов в Российской Федерации // Journal of Economic Regulation, 10 (3), 50–63. DOI: 10.17835/2078-5429.2019.10.3.050-063.
  • Ханин, Г. И. (2016). Надо ли защищать советскую экономику лукавыми цифрами? // Terra Economicus, 14 (1), 18–26. DOI: 10.18522/2073-6606-2016-14-1-18-26.
  • Ханин, Г. И., Фомин, Д. А. (2019). Инвестиционные, финансовые и институциональные предпосылки возрождения российской промышленности // Journal of Institutional Studies, 1 (11), 155–175. DOI: 10.17835/2076-6297.2019.11.1.155-175.
  • Чугункова, А. В., Пыжев, А. И., Пыжева, Ю. И. (2018). Влияние глобального изменения климата на экономику лесного и сельского хозяйства: риски и возможности // Актуальные проблемы экономики и права, 12 (3), 523–537. DOI: 10.21202/1993- 047X.12.2018.3.523-537.
  • Bauer, D., Maynard, A. (2012). Persistence-Robust Surplus-Lag Granger Causality Testing // Journal of Econometrics, 169 (2), 293–300. DOI: 10.1016/j.jeconom.2012.01.023.
  • Brecka, A. F. J., Shahi, C., Chen, H. Y. H. (2018). Climate Change Impacts on Boreal Forest Timber Supply // Forest Policy and Economics, 92, 11–21. DOI: 10.1016/j.forpol.2018.03.010.
  • Engle, R. F., Granger, C. W. J. (1987). Co-Integration and Error Correction: Representation, Estimation, and Testing // Econometrica: Journal of the Econometric Society, 55 (2), 251–276. DOI: 10.2307/1913236.
  • Giles, D. (2012). Testing for Granger Causality. Econometrics Beast: Dave Giles’ Blog. (https://davegiles.blogspot.com/2011/04/testing-for-granger-causality.html – Access Date: 05.08.2019).
  • Granger, C. (1969). Investigating causal relations by econometric models and cross-spectral methods // Econometrica, 37, 424–438.
  • Granger, C. W. J. (1981). Some properties of time series data and their use in econometric model specification // Journal of Econometrics, 16 (1), 121–130. DOI: 10.1016/0304- 4076(81)90079-8.
  • IPCC, 2014. Climate change 2014: Synthesis Repоrt. Intergоvernmental Panel оn Climate Change (http://www.ipcc. ch/pdf/assessment-report/ar5/syr/SYR_AR5_FINAL_full_ ru.pdf – Access Date: 23.10.2019).
  • Ivantsova, E. D., Pyzhev, A. I., Zander, E. V. (2019). Economic consequences of insect pests outbreaks in boreal forests: a literature review // Journal of Siberian Federal University. Humanities & Social Sciences, 12 (4), 627–642. DOI: 10.17516/1997-1370-0417.
  • Killick, R., Eckley, I. A. (2014). Changepoint: An R Package for Changepoint Analysis // Journal of Statistical Software, 58 (3), 1–19 (http://www.jstatsoft.org/v58/i03/).
  • Kirilenko, A., Sedjo, R. (2007). Climate change impacts on forestry // PNAS, 104 (50), 19697.
  • Kwiatkowski, D., Phillips, P. C. B., Schmidt, P., Shin, Y. (1992). Testing the null hypothesis of stationarity against the alternative of a unit root // Journal of Econometrics, 54 (1–3), 159–178.
  • Lehecka, G. V. (2014). Have Food and Financial Markets Integrated? // Applied Economics, 46 (18), 2087–95. DOI: 10.1080/00036846.2014.894634.
  • Lesnoff, M., Lancelot, R. (2012). AOD: Analysis of Overdispersed Data. R package version 1.3.1 (http://cran.r-project.org/package=aod – Access Date: 07.08.2019).
  • Peltola, H., Ikonen, V.-P., Gregow, H., Strandman, H., Kilpeläinen, A., Venäläinen, A., Kellomäki, S. (2010). Impacts of Climate Change on Timber Production and Regional Risks of Wind-Induced Damage to Forests in Finland // Forest Ecology and Management, 260 (5), 833–45. DOI: 10.1016/j.foreco.2010.06.001.
  • Pfaff, B. (2008). VAR, SVAR and SVEC Models: Implementation Within R Package vars // Journal of Statistical Software, 27 (4). (http://www.jstatsoft.org/v27/i04/).
  • Pfeiffer, C. (2012). Toda-Yamamoto implementation in ‘R’. Datazen (https://datazen. info/toda-yamamoto-implementation-in-r/ – Access Date: 05.08.2019).
  • Phillips, P. C. B., Perron, P. (1988). Testing for a Unit Root in Time Series Regression // Biometrika, 75 (2), 335–346. R
  • Core Team (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria (https://www.R-project.org/ – Access Date: 13.03.2019).
  • Said, S. E., Dickey, D. A. (1984). Testing for Unit Roots in Autoregressive-Moving Average Models of Unknown Order // Biometrika, 71, 599–607.
  • Singh, N. K., Borrok, D. M. (2019). A Granger Causality Analysis of Groundwater Patterns over a Half-Century // Nature Scientific Reports, 9 (1), 12828. DOI: 10.1038/s41598- 019-49278-8.
  • Sohngen, B., Tian, X. (2016). Global Climate Change Impacts on Forests and Markets // Forest Policy and Economics, 72, 18–26. DOI: 10.1016/j.forpol.2016.06.011.
  • Stern, D. I., Enflo, K. (2013). Causality between Energy and Output in the Long-Run // Energy Economics, 39, 135–46. DOI: 10.1016/j.eneco.2013.05.007.
  • Toda, H. Y., Yamamoto, T. (1995). Statistical Inference in Vector Autoregressions with Possibly Integrated Processes // Journal of Econometrics, 66, 225–250. DOI: 10.1016/0304- 4076(94)01616-8.
  • Wickham, H. (2016). Ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York.
  • Wickham, H. (2017). Tidyverse: Easily Install and Load the ‘Tidyverse’. R package version 1.2.1 (https://CRAN.R-project.org/package=tidyverse – Access Date: 07.08.2019).
Издатель: Южный Федеральный Университет
Учредитель: Южный федеральный университет
ISSN: 2073-6606