Влияние горнодобывающей промышленности на экономический рост в регионе Южно-Африканских стран

Полный текст

Введение Все страны Южно-Африканского региона в целом богаты природными ресурсами. С момента европейской колонизации в XIX в. их экономика была сформирована в качестве добывающей, нацеленной на добычу этих ресурсов для обеспечения промышленности соответствующих мегаполисов сырьем. После обретения независимости и по настоящее время структура колониальной экономики не претерпела глубоких преобразований. Страны по-прежнему опираются на добывающие отрасли и экспорт сырья на международные рынки без создания продукции с высокой добавленной стоимостью. Следовательно, доходы стран Южно-Африканского региона от природных ресурсов - это доходы от добычи и сбыта сырья без какой-либо промышленной переработки, что не приводит к положительным эффектам для других местных отраслей. Горнодобывающая промышленность - отрасль стратегического значения в Южно-Африканском регионе. Здесь добывается большая часть мировых запасов хрома, ванадия, платины и алмазов, а также 36 % золота и 20 % кобальта [1]. Официальная добыча полезных ископаемых в регионе обеспечивает около 60 % валютных поступлений, 10 % ВВП и 5 % формальной занятости. Благодаря наличию в регионе месторождений угля, хромитов, золота, алмазов, платины и меди мирового класса горнодобывающий сектор сыграл важную роль в развитии инфраструктуры и стал ядром роста многих городов субрегиона [2]. В настоящем работе анализируется прямое и косвенное влияние добывающей промышленности на экономический рост в регионе Южно-Африканских стран. Цель исследования - проверить гипотезу о ресурсном «проклятии» и причинах его возникновения посредством проверки гипотезы конвергенции Солоу в регионе Южно-Африканских стран. Для этого разработана эконометрическая модель, основанная на панельных данных из двенадцати[10] стран Южно-Африкан- ского региона за период с 2011 по 2020 г. 1. Методология исследования В исследовании использовался набор панельных данных за период с 2011 по 2020 г. по двенадцати из шестнадцати стран Южно-Африкан- ского региона: Ангола, Ботсвана, Демократическая Республика Конго, Эсватини, Лесото, Мадагаскар, Мозамбик, Намибия, Южная Африка, Объединенная Республика Танзания, Замбия и Зимбабве [3]. Союз Коморских островов, Малави, Маврикий и Сейшельские острова являются странами с меньшим потенциалом минеральных ресурсов и были исключены из-за недостаточности данных. Для анализа использовалась инфор- мация, полученная из онлайн-показателей мирового развития, базы данных Всемирной торговой организации (ВТО), Всемирного банка, показателей развития Африки (ADI), базы данных статистики торговли товарами Организации Объединенных Наций (UNCTS), Южно-Африканско- го сообщества развития (SADC/САДК) и базы данных статистики Организации Объединенных Наций (UNdata). 2. Прямое и косвенное влияние горнодобывающей промышленности на экономический рост в регионе Южно-Африканских стран Следуя реконструктивным и неконструктивным аспектам, а также экономическому и институциональному анализу прямого и косвенного воздействия изобилия природных ресурсов на экономический рост, в [4] обнаружено, что природные ресурсы оказывают негативное влияние, если рассматривать их изолированно. Однако они оказывали прямое положительное влияние, когда в модель включались другие объясняющие переменные, такие как коррупция, инвестиции, экономическая открытость, торговля и образование. Анализируя прямое влияние этих переменных на рост, обнаружено, что коррупция оказывает негативное влияние. Инвестиции, либерализация торговли и школьное образование оказали значительное положительное влияние, в то время как условия торговли - значительное негативное влияние. Изменение соотношения между ценой экспорта и ценой импорта привело к падению роста. Экономика, характеризующаяся высокой долей инвестиций, высоким уровнем дохода на душу населения, меньшей открытостью, ухудшением условий торговли и более высоким уровнем образования, может иметь относительно высокие темпы роста. Анализ косвенного воздействия природных ресурсов показал, что природные ресурсы оказали значительное положительное влияние на коррупцию, условия торговли и инвестиции, но отрицательно повлияли на школьное образование [4]. Таким образом, в качестве причины распространения ресурсного «проклятия», коррупция оказала косвенное влияние, в то время как природные ресурсы оказали прямое положительное влияние на экономический рост. Инвестиции оказали негативное косвенное влияние. К международным факторам, влияющим на воздействие природных ресурсов, относятся степень открытости экономики и условия торговли; все они подверглись косвенному негативному влиянию природных ресурсов. Изобилие горнодобывающих ресурсов уменьшило экономические возможности и повлияло на условия торговли. Образование привело к почти вдвое большему эффекту, чем коррупция, в отличие от выводов о том, что коррупция оказала большее негативное влияние на экономический рост [5]. В [6] определены три альтернативных показателя изобилия ресурсов (запасы углеводородов на душу населения в 1993 г., оценки стоимости запасов на душу населения в 1970 г. и основные топливные и не топливные полезные ископаемые). Всемирный банк разработал индикаторы изобилия на 2000 г. На основе трех уравнений взяты такие факторы, как зависимость от ресурсов и рост на душу населения в качестве экзогенных переменных, и обнаружено, что ресурсное «проклятие» исчезает, когда включается зависимость от ресурсов и изобилие. В [7] обнаружено, что запасы нефти положительно и существенно связаны с ресурсным «проклятием». Уравнение соотношения стоимости добычи нефти и ВВП также было статистически значимым. Во всех инструментальных уравнениях коэффициенты нефтяного богатства значимы. Предполагалось, что их результаты с меньшей вероятностью покажут, что нефть - это проклятие. Страны с нефтяными ресурсами, как правило, имеют относительно более высокий уровень ВВП. Оценка влияния мировых минеральных богатств на уровень ВВП на душу населения выявила, что обе переменные имеют положительные и значимые коэффициенты. Проверка гипотезы об институциональном качестве показала, что страны с более слабыми институтами больше выигрывали от природных ресурсов. На основе этих результатов сделан вывод о том, что страны с хорошими институтами, которые были богаты, как правило, меньше выигрывали от положительного воздействия природных ресурсов, в то время как страны со слабыми институтами, которые, как правило, были бедны, при отсутствии значительных природных ресурсов получали относительно большие выгоды из своих природных ресурсов. Таким образом, экономика Норвегии, например, не пострадает при отсутствии нефти, а Кувейт может столкнуться с проблемами при истощении природных ресурсов [7]. Согласно [8], совокупный доход от природных ресурсов снижался, когда государственные учреждения поощряли воровство, и увеличивался, если государственная политика была дружественна по отношению к производителям. В [9] подчеркивается, как финансовая поддержка других стран влияет на экономическое развитие. В [10] утверждается, что воздействие природных ресурсов отрицательное и значительное. При измерении косвенного воздействия природных ресурсов отмечено, что увеличение доли природных ресурсов в общем объеме экспорта привело к ухудшению институционального качества и снижению темпов роста. В целом некоторые природные ресурсы оказали сильное, надежное и негативное влияние на рост, тем самым подорвав институциональное качество. Как только влияние институтов было поставлено под контроль, природные ресурсы оказали незначительное положительное влияние на экономический рост. 3. Ресурсное «проклятие» в глобальном контексте Горная промышленность представляет собой широкий сегмент экономики, включающий около 6 тыс. компаний и 2,5 млн занятых по всему миру [11]. Различия в открытости увеличивают разницу в ВВП, а изобилие ресурсов оказывает положительное влияние на ВВП во многих странах, богатых минеральными ресурсами [11]. Качество институтов оказывает положительное, а в некоторых случаях и отрицательное влияние. Так, в [8] обнаружили, что человеческий капитал оказывает положительное (хотя и незначительное) влияние на рост в этих странах. Инвестиции оказали значительное влияние, в то время как тип колонизации оказал негативное и существенное влияние на рост. Два других аспекта, обсуждаемые в [8], связаны с идеей о том, что ресурсное «проклятие» - чисто африканский феномен. Обнаружено, что при исключении из выборки африканских стран коэффициенты переменных сохраняли свои знаки, хотя и с некоторым снижением их значений. Следовательно, данное явление не только африканское, и нет никаких доказательств систематических различий, которые отличают африканские и неафриканские страны. В контексте португалоязычных африканских стран, таких как Мозамбик и Ангола, в [12] проанализировано влияние природных ресурсов на институты в Кабо-Верде, Сан-Томе и Принсипи. Исследование проведено в связи с объявлениями об открытии нефти в Сен-Томе и Принсипи в период с 1997 по 1999 г. Когда речь идет об экономической деконструкции [5], можно также сослаться на [13]. Используя те же данные, что и [5], но вводя информацию о запасах капитала для оценки природного капитала в мире, в [13] оценили три уравнения модели. Объясняемой переменной был ВВП. Обнаружено, что в исходной модели обеспеченность ресурсами оказывала значительное и положительное влияние на ВВП, в то время как зависимость оказывала отрицательное и значительное влияние. В модели II и в уравнении роста они получили те же результаты, с той разницей, что коэффициент ресурсной обеспеченности увеличился, а зависимость снизилась. В уравнении зависимости обеспеченность ресурсами оказала значительное и положительное влияние. Модель III показала, что рост обеспеченности ресурсами продолжал оказывать положительное и значительное влияние, а зависимость - отрицательное, но незначительное влияние. Исследование [14], проведенное с использованием панельных данных из 56 стран в период с 1970 по 2000 г. показало, что источники и диффузные источники повлияли отрицательно, но незначительно на рост, обменный курс оказал небольшое положительное влияние, а условия торговли - значительное негативное влияние. Эти результаты свидетельствуют, что зависимость любого рода вредна для роста в развивающихся странах, и не согласуются с вывода- ми [15], которые также различали точечные и диффузные источники. Авторы использовали панельные данные по 28 китайским провинциям, применяя как зависимость, так и изобилие ресурсов, хотя различали изобилие ресурсов и доход от ресурсов. Доход в ресурсной модели измерялся с точки зрения добычи угля, нефти и природного газа. Мера изобилия ресурсов получена умножением добытых ресурсов на их средние рыночные цены. Зависимость от ресурсов измерялась отношением инвестиций в основные фонды горнодобывающей промышленности к инвестициям во все основные фонды. Использование разных моделей позволило обнаружить, что провинции с низким производством ресурсов показали слабую зависимость от них. Однако не все провинции с высокой степенью ресурсной зависимости были связаны с большим производством ресурсов. Эффект изобилия ресурсов и зависимости от ресурсов был противоположным. Изобилие ресурсов способствовало экономическому развитию, но чрезмерная зависимость от ресурсов тормозила рост [16]. Что касается зависимости от ресурсов в конкретных секторах, в [17] обнаружено, что бум в ресурсном секторе привел к положительным экономическим вторичным эффектам, увеличивая рост в секторах, которые не зависели от природных ресурсов. Когда из выборки были исключены Бруней, Кувейт и Саудовская Аравия, результаты остались положительными, но незначимыми. Так, согласно [17], в странах, богатых природными ресурсами, в период с 1970 по 1990 г. наблюдался быстрый рост в несырьевых секторах. Если рассматривать период с 1980 по 1990 г., падение цен на продукты в секторе имело незначительную корреляцию с ресурсной зависимостью, связь между зависимостью и ростом ресурсного сектора была отрицательной. Показатели ресурсного сектора в ресурсозависимых странах были слабыми, когда цены падали, но этот эффект отличался от ресурсного «проклятия». Ресурсное «проклятие» существует, когда сегодняшняя добыча природных ресурсов обеспечивает более низкий уровень доходов в будущем и может сдерживать рост в соответствующем секторе природных ресурсов. Принимая во внимание [18], необходимо учитывать, что использование эмпирических данных для анализа воздействия природных ресурсов может привести к любому результату, поэтому следует обращать внимание на противоречивые результаты и работать с факторами, тесно связанными с ростом в развивающихся странах, путем совершенствования подхода к эндогенной зависимости. 4. Экономические последствия горнодобывающей промышленности в Южно-Африканских странах Согласно [19], эмпирические исследования роли природных ресурсов в экономике были сосредоточены на проблеме ресурсного «проклятия» с использованием общих или конкретных причинно-следственных связей. Можно выделить три основные группы. В первой рассматриваются различные способы определения изобилия ресурсов или зависимости от них [20-22]. Вторая фокусируется на экономических факторах, связанных с ростом, на которые может повлиять богатство природных ресурсов. Третья группа ставит под сомнение справедливость ресурсного проклятия. Согласно [19], ресурсная зависимость относится к степени, в которой страна зависит от природных ресурсов. Но процентный уровень этой зависимости авторы точно не определяют. Страна, обладающая богатыми ресурсами, может не зависеть от ресурсов, если она диверсифицирует структуру своего производства. Изобилие природных ресурсов измеряется оценкой природных ресурсов на душу населения, а зависимость от природных ресурсов измеряется отношением экспорта природных ресурсов к ВВП. Для стран, которые зависят от доходов от природных ресурсов, зависимость от ресурсов варьируется от 4,9 до 86,0 %. Зависимость также можно определить, изучив состав экспорта страны, где природные ресурсы составляют 60,0-95,0 % от общего объема экспорта. МВФ берет среднюю долю доходов страны от природных ресурсов за несколько лет [19]. Принимая во внимание эти аспекты, определялось, были ли страны Южно-Африканского региона зависимы от ресурсов в период исследования (2011-2020 гг.). Установлено, что в среднем страной, которая предлагала более высокую доходность в процентах от ВВП, был Мадагаскар с 21,6, за ним следует Мозамбик - 15,01; Зимбабве - 11,56; Демократическая Республика Конго - 10,28; Танзания - 7,2; Намибия - 3,83; Малави - 2,06; Замбия - 2,19; Эсватини - 1,7 и Лесото со средним показателем 1,285. Следовательно, можно сделать вывод, что в одних странах экономика значительно зависит от горнодобывающих ресурсов, а в других - не так сильно, так как их экономика диверсифицирована. В табл. 1-3 приведены данные о вкладе горнодобывающей промышленности в экономику государств - членов Южно-Африканского региона за период 2011-2020 гг.: ВВП в текущих ценах, годовые реальные темпы роста, %; ВВП по видам экономической деятельности в текущих ценах, млн долл. США; ВВП горнодобывающей промышленности в текущих ценах, годовые реальные темпы роста, %. Во многих исследованиях обосновывается вы- вод о необходимости привлечения прямых иностранных инвестиций (ПИИ) для развития и модернизации экономики африканских государств и их интеграции в мировое хозяйство [23]. Например, в 2019 г. объем внутри африканского экспорта ЮАР составил 26 млрд долл. (27 % всего экспорта). При этом 12 % внутри африканского экспорта ЮАР (3 % мирового экспорта Южной Африки) приходится на африканские страны, не являющиеся членами Южно-Афри- канского региона [24]. Таблица 1 ВВП в текущих ценах, годовые реальные темпы роста в государствах - членах Южно-Африканского региона, %, за период 2011-2020 гг. [3] Государства 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Ангола 3,5 8,5 5,0 4,8 0,9 -2,6 -0,1 -2,0 -,06 -5,2 Ботсвана 6,0 4,5 9,9 3,2 -1,7 7,0 4,0 4,0 3,0 -8,5 Коморы 4,1 3,2 4,5 2,1 1,1 3,3 3,8 3,6 1,8 -0,1 Демократическая Республика Конго 6,9 7,1 8,5 9,5 6,9 2,4 3,7 5,8 4,4 1,7 Эсватини 2,2 5,4 3,9 0,9 2,2 1,1 2,0 2,4 2,6 -1,9 Лесото 4,6 6,3 1,8 1,7 3,1 3,6 -3,2 -1,2 -0,4 -11,1 Мадагаскар 1,6 3,0 2,3 3,3 3,1 4,0 3,9 3,2 4,4 -7,1 Малави 4,9 -0,6 6,3 6,2 3,3 2,7 5,2 3,9 5,2 0,9 Маврикий 4,1 3,5 3,4 3,7 3,6 3,8 3,8 3,8 3,0 -14,9 Мозамбик 7,4 7,3 7,0 7,4 6,7 3,8 3,7 3,4 2,3 -1,2 Намибия 5,1 5,1 5,6 6,1 4,3 0,0 -1,0 1,1 -0,6 -8,0 Сейшелы 5,4 3,7 6,0 4,5 4,9 4,6 4,7 1,8 1,2 -10,8 Южная Африка 3,2 2,4 2,5 1,4 1,3 0,7 1,2 1,5 0,1 -6,4 Танзания 7,9 5,1 6,8 6,7 6,2 6,9 6,8 7,0 7,0 4,8 Замбия 5,6 7,6 5,1 4,7 2,9 3,8 3,5 4,0 1,4 -3,0 Зимбабве 14,2 16,7 2,0 2,4 1,8 0,8 4,7 4,8 -8,4 5,3 Всего 4,2 4,3 3,9 3,2 2,2 1,4 2,1 2,2 1,2 -4,5 Table 1 GDP at current prices, annual real growth rates in the member states of the Southern African region, %, for the period 2011-2020 [3] States 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Angola 3.5 8.5 5.0 4.8 0.9 -2.6 -0.1 -2.0 -.06 -5.2 Botswana 6.0 4.5 9.9 3.2 -1.7 7.0 4.0 4.0 3.0 -8.5 Comoros 4.1 3.2 4.5 2.1 1.1 3.3 3.8 3.6 1.8 -0.1 Democratic Republic of the Congo 6.9 7.1 8,5 9.5 6.9 2.4 3.7 5.8 4.4 1.7 Eswatini 2.2 5.4 3.9 0.9 2.2 1.1 2.0 2.4 2.6 -1.9 Lesotho 4.6 6.3 1.8 1.7 3.1 3.6 -3.2 -1.2 -0.4 -11.1 Madagascar 1.6 3.0 2.3 3.3 3.1 4.0 3.9 3.2 4.4 -7.1 Malawi 4.9 -0.6 6.3 6.2 3.3 2.7 5.2 3.9 5.2 0.9 Mauritius 4.1 3.5 3.4 3.7 3.6 3.8 3.8 3.8 3.0 -14.9 Mozambique 7.4 7.3 7.0 7.4 6.7 3.8 3.7 3.4 2.3 -1.2 Namibia 5.1 5.1 5.6 6.1 4.3 0.0 -1.0 1.1 -0.6 -8.0 Seychelles 5.4 3.7 6.0 4.5 4.9 4.6 4.7 1.8 1.2 -10.8 South Africa 3.2 2.4 2.5 1.4 1.3 0.7 1.2 1.5 0.1 -6.4 Tanzania 7.9 5.1 6.8 6.7 6.2 6.9 6.8 7.0 7.0 4.8 Zambia 5.6 7.6 5.1 4.7 2.9 3.8 3.5 4.0 1.4 -3.0 Zimbabwe 14.2 16.7 2.0 2.4 1.8 0.8 4.7 4.8 -8.4 5.3 Total 4.2 4.3 3.9 3.2 2.2 1.4 2.1 2.2 1.2 -4.5 Таблица 2 Доля ВВП по видам экономической деятельности в основных ценах, всего государства - члены Южно-Африканского региона, %, за период 2011-2020 гг. [3] Описание товарa 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Сельское хозяйство, лесное хозяйство и рыболовство 6,7 6,9 7,2 7,8 8,3 8,8 8,7 8,3 8,4 9,4 Добыча полезных ископаемых 13,6 13,7 13,4 12,1 10,1 9,9 9,9 11,1 10,5 11,4 Производство 11,9 11,6 11,3 11,4 11,8 12,2 1,2 12,1 12,5 11,9 Электричество, газ, пар и кондиционирование воздуха, водоснабжение, канализация, управ- ление отходами и восстановительные работы 2,0 2,2 2,2 2,2 2,3 2,3 2,3 2,3 2,3 2,3 Строительство 4,8 5,5 6,0 6,4 6,3 6,3 6,3 5,9 6,0 6,0 Оптовая и розничная торговля, транспортно-складская деятельность, услуги по размещению и общественному питанию 19,4 19,9 20,6 21,4 21,3 2,1 21,2 20,6 20,5 19,6 Информация и коммуникация 3,3 3,0 3,0 2,9 2,9 2,6 2,5 2,3 2,3 2,3 Финансовая и страховая деятельность 5,7 5,4 5,3 5,1 5,5 5,6 5,6 5,7 5,9 5,8 Операции с недвижимостью, профессиональная, научная, техническая, административная и вспомогательная деятельность 12,9 12,3 11,7 11,4 11,6 11,6 11,9 12,0 12,1 12,0 Государственное управление и оборона, образование, здравоохранение и социальная работа 18,6 18,4 18,2 18,3 18,9 18,5 18,5 18,6 18,3 18,1 Другая деятельность по обслуживанию 1,1 1,1 1,1 1,0 1,0 1,0 1,1 1,3 1,3 1,3 ВВП в базовых ценах 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 Table 2 Share of GDP by type of economic activity at basic prices, total member states of the Southern African region, %, for the period 2011-2020 [3] Item description 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Agriculture, forestry and fishing 6.7 6.9 7.2 7.8 8.3 8.8 8.7 8.3 8.4 9.4 Mining and quarrying 13.6 13.7 13.4 12.1 10.1 9.9 9.9 11.1 10.5 11.4 Manufacturing 11.9 11.6 11.3 11.4 11.8 12.2 1.2 12.1 12.5 11.9 Electricity, gas, steam and air conditioning supply, water supply, sewerage, waste management and remediation activities 2.0 2.2 2.2 2.2 2.3 2.3 2.3 2.3 2.3 2.3 Construction 4.8 5.5 6.0 6.4 6.3 6.3 6.3 5.9 6.0 6.0 Wholesale and retail trade, transportation and storage, accommodation and food service activities 19.4 19.9 20.6 21.4 21.3 2.1 21.2 20.6 20.5 19.6 Information and communication 3.3 3.0 3.0 2.9 2.9 2.6 2.5 2.3 2.3 2.3 Financial and insurance activities 5.7 5.4 5.3 5.1 5.5 5.6 5.6 5.7 5.9 5.8 Real estate activities, professional, scientific, technical, administrative and support service activities 12.9 12.3 11.7 11.4 11.6 11.6 11.9 12.0 12.1 12.0 Public administration and defence, education, human health and social work activities 18.6 18.4 18.2 18.3 18.9 18.5 18.5 18.6 18.3 18.1 Other service activities 1.1 1.1 1.1 1.0 1.0 1.0 1.1 1.3 1.3 1.3 GDP at basic prices 100.0 100.0 100.0 100.0 100.0 100.0 100.0 100.0 100.0 100.0 Таблица 3 ВВП в текущих ценах - добыча полезных ископаемых, годовые реальные темпы роста в государствах - членах Южно-Африканского региона, %, за период 2011-2020 гг. [3] Государства 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Ангола -5,2 8,5 -0,9 -2,5 11,1 -2,7 -5,3 -9,8 -6,5 -8,2 Ботсвана -6,5 -5,8 24,2 0,5 -15,3 0,3 6,3 8,4 -3,7 -26,5 Коморы 8,0 -5,0 -15,7 2,7 0,5 7,1 -10,0 -6,4 2,2 -1,0 Демократическая Республика Конго 23,9 9,8 10,2 19,3 4,8 -0,7 7,9 16,9 0,9 9,8 Эсватини 66,2 64,4 24,1 -49,3 -86,3 9,7 8,0 -26,5 -18,3 25,0 Лесото 43,6 -0,7 -30,3 9,1 -14,3 0,0 14,1 -9,4 0,7 1,3 Мадагаскар 2,3 57,8 164,9 14,7 12,4 2,9 10,2 -1,8 9,8 -57,2 Малави 1,4 5,3 6,9 -4,6 1,1 0,4 1,6 2,3 3,9 2,3 Маврикий -18,9 -8,3 -4,6 -2,5 -3,4 0,4 1,5 2,1 3,3 -16,6 Мозамбик 31,2 28,5 11,9 19,6 19,3 13,9 32,1 11,3 -2,6 -15,1 Намибия -5,6 24,6 3,2 -4,5 4,0 10,7 14,2 16,1 -9,5 -14,9 Сейшелы 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 Южная Африка -0,7 -2,9 4,0 -1,5 4,8 -3,4 2,4 -0,8 -1,1 -11,9 Танзания 6,1 6,7 4,5 6,4 10,0 7,4 5,3 1,5 17,7 6,7 Замбия 0,1 0,8 3,6 -2,3 0,2 7,3 3,0 6,3 -5,1 8,0 Зимбабве 24,4 8,0 11,7 -3,4 0,4 4,1 3,5 8,7 67,2 -9,0 Всего -1,2 4,4 3,7 00 6,4 -1,6 0,2 -1,7 -1,2 -7,4 Table 3 GDP at current prices - mining, annual real growth rates in the member states of the Southern African region, %, for the period 2011-2020 [3] States 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Angola -5.2 8.5 -0.9 -2.5 11.1 -2.7 -5.3 -9.8 -6.5 -8.2 Botswana -6.5 -5.8 24.2 0.5 -15.3 0.3 6.3 8.4 -3.7 -26.5 Comoros 8.0 -5.0 -15.7 2.7 0.5 7.1 -10.0 -6.4 2.2 -1.0 Democratic Republic of the Congo 23.9 9.8 10.2 19.3 4.8 -0.7 7.9 16.9 0.9 9.8 Eswatini 66.2 64.4 24.1 -49.3 -86.3 9.7 8.0 -26.5 -18.3 25.0 Lesotho 43.6 -0.7 -30.3 9.1 -14.3 0.0 14.1 -9.4 0.7 1.3 Madagascar 2.3 57.8 164.9 14.7 12.4 2.9 10.2 -1.8 9.8 -57.2 Malawi 1.4 5.3 6.9 -4.6 1.1 0.4 1.6 2.3 3.9 2.3 Mauritius -18.9 -8.3 -4.6 -2.5 -3.4 0.4 1.5 2.1 3.3 -16.6 Mozambique 31.2 28.5 11.9 19.6 19.3 13.9 32.1 11.3 -2.6 -15.1 Namibia -5.6 24.6 3.2 -4.5 4.0 10.7 14.2 16.1 -9.5 -14.9 Seychelles 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 South Africa -0.7 -2.9 4.0 -1.5 4.8 -3.4 2.4 -0.8 -1.1 -11.9 Tanzania 6.1 6.7 4.5 6.4 10.0 7.4 5.3 1.5 17.7 6.7 Zambia 0.1 0.8 3.6 -2.3 0.2 7.3 3.0 6.3 -5.1 8.0 Zimbabwe 24.4 8.0 11.7 -3.4 0.4 4.1 3.5 8.7 67.2 -9.0 Total -1.2 4.4 3.7 00 6.4 -1.6 0.2 -1.7 -1.2 -7.4 4.1. Методы и эконометрическая модель Для анализа экономического воздействия добывающей промышленности в регионе Южно-Африканских стран была разработана эконометрическая модель в трех уравнениях с учетом эндогенности. Уравнение (1) оценивает прямое воздействие горнодобывающей промышленности на ВВП. Уравнение (2) оценивает косвенное воздействие горнодобывающей промышленности на основные экономические переменные, влияющие на экономику; они также используются в качестве управляющих переменных в уравнении (1). Уравнение (3) оценивает степень, в которой те же самые переменные могут обратно воздействовать на саму горнодобывающую промышленность. Следовательно, уравнения (2) и (3) оценивают возможные каналы передачи ресурсного проклятия, которые негативно влияют на горнодобывающую промышленность. Три уравнения: , (1) где lnGDP - логарифм ВВП на душу населения; EXMININD - горнодобывающая промышленность; X - вектор переменных, объясняющих колебания ВВП; β - коэффициенты, подлежащие оценке; i - единица анализа; t - период времени; μ - страновые эффекты; ɛ - член случайной ошибки. Вектор X состоит из переменных: обрабатывающая промышленность (MANIND), развитие че- ловеческого капитала (HCD), колониальное прошлое (COLON), государственные расходы (GOV), экономическая открытость (ECOPEN), обменный курс (EXRATE), уровень инфляции (INFRATE). , (2) где X - вектор переменных, на которые может повлиять добывающая промышленность; Z - на- бор переменных, которые влияют на рост и могут влиять на переменные X; α - вектор неизвестных коэффициентов, подлежащих оценке; векторы X и Z состоят из переменных X в уравнении (1) минус переменная COLON. , (3) где δ - вектор неизвестных коэффициентов, подлежащих оценке; термин ɛ и нижние индексы i и t определены, как и ранее. Таблица 4 Мера конструктов (зависимая и независимая переменная) Переменная Мера GDP Реальный уровень ВВП на душу населения (ВВП по ППС) [26] RGM Реальный рост добычи [20] SMEE Доля экспорта полезных ископаемых в общем объеме экспорта [27] RGA Реальный рост сельского хозяйства [20] RGMAN Реальный рост производства [20] HCD Развитие человеческого капитала, измеряемое соотношение средних и высших учебных заведений приписка к населению [26; 28] PG Рост населения [28] AR Авторегрессии MRE Обеспеченность минеральными ресурсами [26] IDEV Развитие инфраструктуры [29] RGS Реальный рост в сфере услуг [26] TOP Открытость торговли: отношение торговли товарами к ВВП, % [30; 31] GFDI Рост прямых иностранных инвестиций [26] EXIND Горнодобывающая промышленность GOV Государственные расходы MANIND Обрабатывающая промышленность COLON Колониальное прошлое ECOPEN Экономическая открытость EXRATE Обменный курс INFRATE Уровень инфляции VECM векторная ошибка исправление ARDL авто регрессионный распределенный лаг Table 4 The measure of constructs (dependent and explanatory variable) Variable Measure GDP Real level of GDP per capita (GDP_PPP) [26] RGM Real growth of mining [20] SMEE Share of mineral exports to total exports [27] RGA Real growth of agriculture [20] RGMAN Real growth of manufacturing [20] HCD Human capital development, measured by the ratio of secondary and tertiary institution enrolment in the population [26; 28] PG Population growth [28] AR Autoregressive MRE Mineral resources endowment [26] IDEV Infrastructure development [29] RGS Real growth in services [26] TOP Trade openess: ratio of merchandise trade to GDP, % [30; 31] GFDI Growth of foreign direct investment [26] EXIND The extractive industry GOV Government expenditure MANIND Manufacturing industry COLON Colonial past ECOPEN Economic openness EXRATE Exchange rate INFRATE The inflation rate VECM Vector error correction ARDL Autoregressive distributed lag Для уравнений (1, 2, 3) i = 1…N; t = 1...T. N = 12 стран, T = 11 лет. Таким образом, общее количество наблюдений в модели: 12×11 = 132. Коэффициенты α, β, δ оценены с использованием моделей с фиксированными и случайными эффектами, а также выполнен тест Хаусмана [25], чтобы проверить, какая из моделей лучше соответствует данным. 4.2. Данные и определение переменных Данные получены из индикаторов мирового развития (WDI). Переменный ВВП измеряется в расчете на душу населения. Переменная горнодобывающая промышленность (EXIND) измеряется доходом от полезных ископаемых в процентах от ВВП. Индикаторы мирового развития определяет доход от добычи полезных ископаемых как разницу между стоимостью производства и общими затратами на производство. Среди минералов, включенных в расчет, олово, золото, свинец, цинк, железо, медь, никель, серебро, бокситы и фосфаты и т. д. В исследование не включены доходы от ископаемого топлива (нефть, газ и уголь). Переменный человеческий капитал (HCD) измеряется с точки зрения зачисления на третий уровень в процентах от валового зачисления. Исследование включает фиктивную переменную (COLON) для колониально- го прошлого, определяемого как португальская колония (0) или английская колония (1). Эта переменная отражает идею о том, что колониальное прошлое влияет на экономический рост и производительность горнодобывающей промыш- ленности. Утверждается, что бывшие колонии стран с демократическими институтами, таких как Англия, могут иметь устойчивый рост, а горнодобывающая промышленность может работать хорошо. Переменные государственные расходы (GOV) измеряются в терминах расходов правительства на конечное потребление. Сюда входит оборона и безопасность, но не военные расходы. Переменная экономическая открытость (ECOPEN) измеряется отношением суммы внешней торговли к ВВП. Переменная EXRATE представляет собой реальный обменный курс по отношению к доллару США, рассчитанный как среднегодовой. Инфляция (INFRATE) измеряется годовым темпом роста неявного дефлектора ВВП, показывающего скорость изменения цен в экономике в целом. В табл. 5 представлена сводная статистика данных. Это также показывает, что панель сбалансирована и состоит из 132 наблюдений. Большинство переменных демонстрируют боль- шие разбросы по странам и во времени. С точки зрения нормальности все переменные представляют нулевой эксцесс (0) и ненулевую асимметрию (0), что указывает на отсутствие нормального распределения. Что касается эксцесса, все переменные лептокуртические, за исключением ВВП, который является плетикуртным. Что касается асимметрии, за исключением переменной COLON, которая имеет длинный хвост слева, все остальные переменные имеют хвост справа. С точки зрения показателей централь- ной тенденции и дисперсии ВВП представляет собой наивысшее среднее значение, поскольку все остальные переменные выражаются в процентах от ВВП, а переменная COLON является фиктивной. В табл. 6 представлена корреляционная матрица, которая показывает, что регрессоры не имеют идеальных отношений. Это предполагает, что нет признаков серьезной коллинеарности между объясняющими переменными и последующими рисками смешанных эффектов. Таблица 5 Сводная статистика данных, N = 132 Переменные Среднее значение Стандартное отклонение Минимум Максимум Показатель асимметрии Показатель эксцесса GDP 2382,143 2153,083 284,21 6432,30 0,432 1,450 EXIND 9,543 9,835 0,42 49,43 1,292 9,037 MANIND 10,453 8,673 3,24 29,32 1,432 5,032 HCD 6,534 5,785 0,34 26,33 1,210 2,843 COLON 0,783 0,348 0,00 1,00 -1,232 2,532 GOV 21,648 14,342 1,84 78,59 1,673 10,210 ECOPEN 0,741 0,231 0,05 1,87 0,301 2,942 EXRATE 266,000 863,362 1,58 8643,47 5,321 52,432 INFRATE 102,642 41,342 41,27 253,17 1,219 10,354 Table 5 Summary statistics of the data, N = 132 Variable Mean Standard deviations Minimum Maximum Skewness Kurtosis GDP 2382.143 2153.083 284.21 6432.30 0.432 1.450 EXIND 9.543 9.835 0.42 49.43 1.292 9.037 MANIND 10.453 8.673 3.24 29.32 1.432 5.032 HCD 6.534 5.785 0.34 26.33 1.210 2.843 COLON 0.783 0.348 0.00 1.00 -1.232 2.532 GOV 21.648 14.342 1.84 78.59 1.673 10.210 ECOPEN 0.741 0.231 0.05 1.87 0.301 2,942 EXRATE 266.000 863.362 1.58 8643.47 5.321 52.432 INFRATE 102.642 41.342 41.27 253.17 1.219 10.354 Табл. 7 показывает, что переменные lnGDP, EXIND и GOV являются стационарными на уровне. Переменные MANIND, HCD, EXRATE и INFRATE имеют унитарный корень, но являются стационарными по первой разности. Переменная ECOPEN - единственная стационарная во второй разности. Существование переменной с единичным корнем, стационарной только во второй разности, делает непрактичной разработку динамической модели с точки зрения авторегрессии (AR), векторной коррекции ошибок (VECM) или авторегрессии с распределенным запаздыванием (ARDL). Итак, предполагается, что модель статических панельных данных является подходящим методом оценки. Таблица 6 / Table 6 Корреляционная матрица данных, N = 132 Correlation matrix of the data, N = 132 Переменные / Variable EXIND MANIND HCD COLON GOV ECOPEN EXRATE INFRATE EXIND 1,000 MANIND -0,372 1,000 HCD -0,226 -0,116 1,000 COLON -0,399 0,217 0,117 1,000 GOV -0,112 0,002 -0,122 0,067 1,000 ECOPEN 0,012 0,123 0,042 -0,312 0,402 1,000 EXRATE 0,011 -0,101 -0,143 0,013 0,014 -0,072 1,000 INFRATE -0,012 -0,121 0,032 -0,013 0,321 0,217 0,216 1,000 Таблица 7 Анализ стационарности данных Пере- менные P(t) P(t)-значение P(t)-1 P(t)-значение P(t)-2 P(t)-значение Порядок интегации, 5 % lnGDP 32,427 0,023 - - - - I(0) EXIND 46,038 0,001 - - - I(0) MANIND 21,431 0,324 52,243 0,001 - - I(1) HCD 6,327 0,662 73,122 0,000 - - I(1) GOV 44,125 0,003 - - - - I(0) ECOPEN 19,232 0,144 27,231 0,132 72,06 0,00 I(2) EXRATE 4,342 0,821 36,413 0,023 - - I(1) INFRATE 2,634 1,000 42,132 0,006 - - I(1) Table 7 Stationarity analysis of the data Variable P(t) P(t)-value P(t)-1 P(t)-value P(t)-2 P(t)-value Order of integration, 5% lnGDP 32.427 0.023 - - - - I(0) EXIND 46.038 0.001 - - - I(0) MANIND 21.431 0.324 52.243 0.001 - - I(1) HCD 6.327 0.662 73.122 0.000 - - I(1) GOV 44.125 0.003 - - - - I(0) ECOPEN 19.232 0.144 27.231 0.132 72.06 0.00 I(2) EXRATE 4.342 0.821 36.413 0.023 - - I(1) INFRATE 2.634 1.000 42.132 0.006 - - I(1) 4.3. Анализ результатов оценки В табл. 8 приведены результаты оценки модели 1 с использованием моделей фиксированных и случайных эффектов. Табл. 8 показывает, что существует определенная закономерность результатов при использовании обоих методов. Статистика F-критерия для модели с фиксированными эффектами и критерия Вальда для модели со случайными эффектами статистически значима на пятипроцентном уровне значимости. Это демонстрирует, насколько хороши характеристики двух моделей. Чтобы определить, какая модель лучше, проведен тест Хаусмана [25]. Результаты приведены в табл. 9. Табл. 9 показывает, что статистика критерия χ2 статистически незначима при пятипроцентном уровне значимости. Таким образом, мы не отвергаем нулевую гипотезу о том, что метод случайных эффектов подходит для оценки модели. Индивидуальные эффекты и объясняющие переменные не коррелированы. Результаты теста для выбора между объединенным методом наименьших квадратов и методом случайных эффектов приведены в табл. 10. Согласно результатам из табл. 10, можно отклонить нулевую гипотезу о том, что объединенная модель подходит, в пользу альтернативной гипотезы о том, что модель случайных эффектов является наиболее подходящей. Следовательно, наш анализ основан на модели случайных эффектов в ущерб моделям объединенных и фиксированных эффектов. Таблица 8 Результаты оценки фиксированных и случайных эффектов, зависимая переменная lnGDP Экзогенная переменная Фиксированные эффекты Случайные эффекты EXIND -0,004* [0, 002] -0,004* [0, 002] DMANIND 0,003 [0, 004] 0,003 [0, 004] DHCD -0,012 [0, 003] -0,002 [0, 003] COLON 0,000 [опущен] 0,280 [1, 044] GOV 0,041* [0, 001] 0,041* [0, 001] DECOPEN -0,060** [0, 021] -0,060** [0, 021] DEXRATE 0,000 [0, 000] 0,000 [0, 000] DINFRATE -0,001 [0, 001] -0,001 [0, 001] Примечание. Цифры в квадратных скобках являются стандартными ошибками. Цифры в скобках - это p-значения. * - значимо при пятипроцентном уровне значимости; ** - значимо при десятипроцентном уровне значимости. D указывают, что переменная измеряется как изменения. Table 8 Fixed and random effects estimation results, dependent variable lnGDP Exogenous variable Fixed effects Random effects EXIND -0.004* [0.002] -0.004* [0.002] DMANIND 0.003 [0.004] 0.003 [0.004] DHCD -0.012 [0.003] -0.002 [0.003] COLON 0.000 [lowered] 0.280 [1.044] GOV 0.041* [0.001] 0.041* [0.001] DECOPEN -0.060** [0.021] -0.060** [0.021] DEXRATE 0.000 [0.000] 0.000 [0.000] DINFRATE -0.001 [0.001] -0.001 [0.001] Note. The numbers in square brackets are standard errors. The numbers in brackets are p-values. * - significant at 5% significance level; ** - significant at 10% significance level. D indicate that the variable is measured as changes. Таблица 9 Результаты теста Хаусмана Экзогенные переменные Фиксированный эффект Случайный эффект (b-B) разница sqrt(diag(V_b-V_B)) S.E. MANIND -0,004 -0,003 0,00 0,00 DMANIND 0,003 0,003 0,00 0,01 DHCD -0,002 -0,002 0,00 0,01 COLON - - - - GOV 0,041 0,041 0,00 0,00 DDECOPEN -0,060 -0,060 0,00 0,06 DEXRATE 0,000 0,000 2,21e^-07 1,04^-03 DINFRATE -0,001 -0,001 -6,34e^-04 0,00 χ2 (1,00) Примечание. В скобках указаны p-значения. D указывают, что переменная измеряется как изменения. Table 9 The Hausman test’s results Exogenos variable Fixed effect Random ffect (b-B) difference sqrt(diag(V_b-V_B)) S.E. MANIND -0.004 -0.003 0.00 0.00 DMANIND 0.003 0.003 0.00 0.01 DHCD -0.002 -0.002 0.00 0.01 COLON - - - - GOV 0.041 0.041 0.00 0.00 DDECOPEN -0.060 -0.060 0.00 0.06 DEXRATE 0.000 0.000 2.21e^-07 1.04^-03 DINFRATE -0.001 -0.001 -6.34e^-04 0.00 χ2 (1.00) Note. p-values are in brackets. D indicate that the variable is measured as changes. Таблица 10 Объединенные результаты испытаний OLS [32] Экзогенные переменные Переменные SD = sqrt(Var) lnGDP 1,002 1,03212 e 0,006 0,04321 u 1,623 1,23412 χ2 462,21 (0,000) Table 10 Consolidated OLS and random effects test results [32] Exogeneous variable Variable SD = sqrt(Var) lnGDP 1.002 1.03212 e 0.006 0.04321 u 1.623 1.23412 χ2 462.21 (0.000) Подтверждено, что реальный рост добычи полезных ископаемых способен увеличить экономический рост в экономике стран Южно-Африканского региона. Это значит, что горнодобывающий сектор оказывает положительное влияние на рост экономики стран Южно-Африкан- ского региона в течение периода исследования. Также выявлена положительную связь между развитием человеческого капитала и экономическим ростом. Но этот факт был подтвержден в предыдущих исследованиях в аналогичных областях [33; 34]. В частности, многие исследования показали, что развитие человеческого капитала более тесно связано с минеральными ресурсами и экономическим ростом, особенно при низком уровне коррупции. Кроме того, отмечена значительная взаимосвязь между обеспеченностью минеральными ресурсами и экономическим ростом в странах Южно-Африканского региона в период исследования. Это может быть результатом политических и институциональных неудач, отчасти из-за поведения рантье, а также экономических потрясений, которые верифицируются в странах - членах региона [35]. Данный вывод был ожидаемым, поскольку многие страны Южно-Африканского региона часто получают значительную часть своих прямых иностранных инвестиций в горнодобывающем секторе [27]. В период обследования также наблюдалась положительная взаимосвязь между развитием инфра- структуры и экономическим ростом в странах Южно-Африканского региона. Однако это усилило значительную положительную корреляцию между развитием инфраструктуры и реальным ростом горнодобывающей промышленности. Другим фактором, проверенным в ходе исследования, стало положительное развитие торговли благодаря экономическому росту. Как показывают некоторые исследования, существуют возможности для улучшения притока ПИИ в сектор горнодобывающей промышленности в регионе Южно-Африканских стран, если политики смогут поддерживать различные стратегии экономической либерализации и размеры рынка [33]. Наконец, положительная взаимосвязь между ростом экономики и ростом прямых иностранных инвестиций также согласуется с предыдущими исследованиями ПИИ как двигателя роста во многих странах Африки, занимающихся добычей полезных ископаемых [36]. Связь между долей экспорта полезных ископаемых в общем объеме экспорта и экономическим ростом незначительна, равно как и нестатистически значимая корреляция между участием экспорта полезных ископаемых в общем объеме экспорта и реальным ростом добычи. Таким образом, можно предположить, что экономический рост и рост реальной добычи полезных ископаемых в экономике стран Южно-Африканского региона может не пострадать от значительного влияния даже при увеличении экспорта полезных ископаемых. Следовательно, различные государственные меры должны допол- нительно стимулировать использование минеральных ресурсов на местном уровне для обеспечения роста в регионе [33]. Наконец, в течение периода исследования обнаружено, что рост на- селения отрицательно коррелирует с реальным ростом добычи полезных ископаемых и экономическим ростом в регионе Южно-Африканских стран, то есть увеличение населения в регионе отрицательно сказалось на реальном росте добычи полезных ископаемых и экономическом росте. Заключение Большинство стран Южно-Африканского ре- гиона ограничиваются добычей и экспортом природных ресурсов практически без промышленной переработки. Следовательно, доход от полезных ископаемых возникает в результате разницы между стоимостью добытого продукта в мировых ценах и себестоимостью добычи. Принимая во внимание эмпирические данные о том, что природные ресурсы являются «проклятием», проанализировано прямое и косвенное воздействие добывающей промышленности на экономический рост в регионе Южно-Африкан- ских стран. Исследование проведено с использованием набора панельных данных по двенадцати странам Южно-Африканского региона с 2011 по 2020 г. Выводы, основанные на методах оценки OLS и GMM, показали, что, помимо доли экспорта полезных ископаемых в общем объеме экспорта, рост населения и обеспеченность минеральными ресурсами - все переменные, проверенные в исследовании, в значительной степени способствовали экономическому росту в регионе Южно-Африканских стран в течение обозначенного периода. В частности, реальный рост в сфере услуг, производства, добычи полезных ископаемых, развитие человеческого капитала, инфраструктуры, открытость торговли и рост прямых иностранных инвестиций статистически значимы на разных уровнях. В исследовании рассмотрены три модели. Первая измеряла прямое воздействие добывающей промышленности на экономический рост с использованием ВВП на душу населения. Вторая - косвенное воздействие добывающей промышленности на экономический рост с использованием показателей, служащих источником ресурсного проклятия. Третья оценивала воздействие переменных, влияющих на добывающую промышленность и рост. Получены следующие результаты и даны рекомен- дации: 1. Реальный рост горнодобывающей промышленности способен увеличить экономический рост в экономике страны Южно-Африкан- ского региона. И это показывает, что сектор горнодобывающей промышленности оказывает прямое и положительное влияние на рост экономики в регионе Южно-Африканских стран в течение исследуемого периода. На основе полученных в ходе исследования данных гипотеза о негативном влиянии минеральных ресурсов на экономический рост была отвергнута и сделан вывод об отсутствии ресурсного «проклятия» в горнодобывающей отрасли. Следовательно, целе- сообразно увеличение инвестиций в устойчивую эксплуатацию стратегических минеральных ресурсов в регионе. 2. Реальный рост промышленности имеет значительную положительную связь с экономическим ростом в регионе Южно-Африканских стран. Увеличение промышленного производства, уровня доходов и уровня жизни за счет увеличения затрат горнодобывающего сектора может положительно повлиять на рост экономики в регионе Южно-Африканских стран. Соответственно, со стороны правительства необходима разработка льгот, направленных на стимулирование увеличения уровня переработки минеральных ресурсов региона местными компаниями, а также формирование промышленной политики для поддержки развития отраслей, перерабатывающих сырье горнодобывающего сектора. 3. Наблюдается положительная связь между развитием человеческого капитала и экономическим ростом, а также положительная корреляция между развитием человеческого капитала и реальным ростом горнодобывающей промышленности и долей экспорта полезных ископаемых в общем объеме экспорта в регионе Южно-Африканских стран. Таким образом, доход от добычи полезных ископаемых можно использовать для развития человеческого и физического капитала в этих стратегических секторах. 4. Вместе с тем положительная взаимосвязь между развитием инфраструктуры и экономическим ростом в регионе Южно-Африканских стран за этот период усилила значительную положительную взаимосвязь между развитием инфраструктуры и реальным ростом горнодобывающей промышленности в регионе. Поэтому государственные учреждения и частный сектор должны вкладывать значительные средства в стратегическую инфраструктуру, такую как электроснабжение, дороги и мосты, транспорт и телекоммуникации. Данный процесс осуществляют многие страны региона, например Ангола, Танзания, Мозамбик и т. д. 5. Торговля показала положительный результат благодаря экономическому росту. Чтобы повысить привлекательность экономик стран Южно-Африканского региона для притока ПИИ в горнодобывающий сектор, директивные органы должны поддерживать различные стратегии экономической либерализации и размеры рынка. 6. В связи с положительной взаимосвязью между ростом ПИИ и экономическим ростом в регионе Южно-Африканских стран следует приложить усилия для привлечения большего количества стратегических инвестиций в горнодобывающий сектор, чтобы побудить других иностранных инвесторов вкладывать дополнительные средства. Это основано на предпосылке, что иностранные инвесторы могут рассматривать увеличение инвестиционных решений других как хороший признак благоприятных условий. Кроме того, для увеличения внутрирегиональных прямых иностранных инвестиций государства - члены Южно-Африканского региона должны согласовать свою политику и процедуры в отношении добычи полезных ископаемых, технического потенциала и обмена знаниями. Необходимо приложить усилия для повышения осведомленности об изобилии полезных ископаемых в регионе и прямого стимулирования инвестиций в регион. 7. Несмотря на то что оценка для большинства объясняющих переменных была положительной и значимой для OLS, вторые лаги оказались менее значительными в GMM, в то время как немногие имели отрицательные знаки. Это указывает на то, что за исследуемый период большинство показателей роста в регионе Южно-Африканских стран имеет тенденцию к ухудшению со временем. Предложенные рекомендации способны положительно сказаться на выявленной негативной тенденции. Результаты исследования могут быть использованы научными, учебными и статистическими учреждениями, горнодобывающими компаниями, банковскими структурами Южно-Африканских стран.

Об авторах

Педру Пинту Силима

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: silima2507@gmail.com
ORCID iD: 0000-0001-6030-6544

аспирант, департамент инновационного менеджмента в отраслях промышленности, Инженерная академия

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Юлия Александровна Назарова

Российский университет дружбы народов

Email: j.a.nazarova@mail.ru
ORCID iD: 0000-0002-0015-8233

кандидат экономических наук, доцент департамента инновационного менеджмента в отраслях промышленности, Инженерная академия

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Список литературы