Новые вызовы, стоящие перед отечественной экономикой, требуют построения моделей, позволяющих адекватно оптимизировать процессы управления промышленностью на уровне региона. Данная работа посвящена разработке агент-ориентированной модели трехуровневого иерархического минимаксного управления региональным промышленным комплексом. Целью настоящего исследования является разработка методики решения задачи идентификации параметров агент-ориентированной модели управления промышленным комплексом региона на примере Свердловской области. Для выполнения поставленной цели предложено теоретическое обоснование реализуемого подхода, приведена формализация задачи идентификации параметров системы управления промышленным комплексом региона, описан алгоритм построения и отбора моделей для оценки параметров системы управления. В качестве метода решения задачи идентификации выбран подход на базе линейного регрессионного анализа. Подготовка информационной базы для апробации подхода проводилась в условиях Свердловской области по 28 видам экономической деятельности, относящихся к промышленному производству, по данным за 2005-2021 гг. При построении статистических моделей идентификации фазовый вектор задается следующими параметрами: среднегодовая численность работников предприятий, основные фонды, валовая добавленная стоимость, объем отгруженных товаров, выполненных работ и услуг, сальдированный финансовый результат организаций, инвестиции в основной капитал, затраты на внедрение и использование цифровых технологий. Вектор управления задан факторами привлечения бюджетных средств, а также привлечения средств кроме бюджетных (из внешних источников). В результате исследования построено 125 моделей достаточно высокого качества, которые могут быть использованы в решении задачи идентификации параметров для построения агент-ориентированной модели управления процессами развития промышленности Свердловской области. Полученные статистические модели позволяют установить связь между агентами, уточнить их специфику, рассчитать и дать оценку результатов применения механизмов управления. Предложенный подход применим для построения прогнозов развития регионального промышленного комплекса в соответствии с планируемыми управляющими воздействиями, а также для вычисления оптимального набора управляющих воздействий для достижения промышленностью целевых параметров.
Идентификаторы и классификаторы
Основу экономического развития Российской Федерации составляет промышленность. Несмотря на реализацию в последнее десятилетие масштабных федеральных и региональных программ развития промышленности России, а также региональных промышленных комплексов РФ, значимых положительных изменений в темпах их развития на сегодняшний день не произошло. Можно ожидать, что импульс, необходимый для ускорения развития приоритетных секторов промышленности (Песков, 2022), может быть задан реализацией крупных государственных программ (Романова & Пономарева, 2020), мегапроектов1, развитием инструментария промышленной политики, в том числе нацеленного на выполнение задач импортозамещения. Рост числа факторов, в современных условиях все сильнее влияющих на результативность работы отраслей промышленности под влиянием геополитических, внешнеэкономических, технологических и иных условий, определяет усложнение систем моделирования объектов промышленности и управления ими.
Список литературы
1. Акбердина, В. В., Шориков, А. Ф. (2022). Управление промышленными комплексами: иерархическая агент-ориентированная модель. Управленец, 13(6), 2-14. DOI: 10.29141/2218-5003-2022-13-6-1 EDN: WNQLUI
2. Гичиев, Н. С. (2021). Влияние инвестиций в основной капитал на экономический рост: региональный аспект. Региональные проблемы преобразования экономики, 7, 121-128. DOI: 10.26726/1812-7096-2021-7-121-128 EDN: VKFJPR
3. Голова, И. М. (2021). Экосистемный подход к управлению инновационными процессами в российских регионах. Экономика региона, 17(4), 1346-1360. DOI: 10.17059/ekon.reg.2021-4-21 EDN: ORWUPJ
4. Ивантер, В. В. (2016). Стратегия перехода к экономическому росту. Проблемы прогнозирования, 1, 3-8. EDN: WIODMF
5. Кислицын, Е. В., Городничев, В. В. (2021). Имитационное моделирование развития отдельных отраслей тяжелой промышленности. Бизнес-информатика, 15(1), 59-77. DOI: 10.17323/2587-814X.2021.1.59.77 EDN: RADPCO
6. Макаров, В. Л., Бахтизин, А. Р. (2009). Новый инструментарий в общественных науках - агент-ориентированные модели: общее описание и конкретные примеры. Экономика и управление, 12, 13-25. EDN: LAAFXZ
7. Макаров, В. Л., Бахтизин, А. Р., Сушко, Е. Д. (2020). Агент-ориентированная модель как инструмент регулирования экологии региона. Журнал Новой экономической ассоциации, 1(45), 151-171. DOI: 10.31737/2221-2264-2020-45-1-6 EDN: YWTTTV
8. Песков, Д. (2022). Условия технологического суверенитета. Экономист, 6, 30-32.
9. Романова, О. А., Пономарева, А. О. (2020). Многовекторная промышленная политика России в условиях формирования нового индустриального ландшафта. Журнал экономической теории, 17(2), 276-291. DOI: 10.31063/2073-6517/2020.17-2.3 EDN: ZBHVEZ
10. Романова, О. А., Пономарева, А. О. (2022). Индустриальный регион в условиях санкций: риски и возможности развития. В: Актуальные проблемы экономики и управления: сборник статей Десятой всероссийской научно-практической конференции с международным участием, 20-21 октября 2022 г. (с. 106-112). Екатеринбург: Изд-во УГГУ, 194. EDN: HCLTPM
11. Смородинская, Н. В. (2017). Усложнение организации экономических систем в условиях нелинейного развития. Вестник Института экономики РАН, 5, 104-115. EDN: ZQJDGP
12. Ускова, А. Ю., Саломатова, Ю. В. (2023). Оценка факторов устойчивости обрабатывающих производств в индустриальных регионах России. Экономика промышленности, 16(1), 77-85. DOI: 10.17073/2072-1633-2023-1-77-85 EDN: FJKLEU
13. Флуд, Н. А. (2006). Как измерить “устойчивость развития”? Вопросы статистики, 10, 19-29. EDN: IBDROL
14. Цветков, В. Я. (2017). Эмерджентизм. Международный журнал прикладных и фундаментальных исследований, 2-1, 137-138. EDN: XYEZET
15. Широв, А. А., Гусев, М. С., Янтовский, А. А. (2012). Обоснование возможных сценариев долгосрочного развития российской экономики. ЭКО, 6, 60-80. EDN: PUNKYH
16. Шориков, А. Ф., Коровин, Г. Б., Сиротин, Д. В. (2023). Управление промышленным комплексом региона: архитектура агент-ориентированной модели. Управленец, 14(6), 63-76. DOI: 10.29141/2218-5003-2023-14-6-5 EDN: CQLXNE
17. Bonabeau, E. (2002). Agent-Based Modeling: Methods and Techniques for Simulating Human Systems. Proceedings of the National Academy of Sciences of the United States of America, 99(3), 7280-7287. DOI: 10.1073/pnas.082080899
18. Castelle, K., Bradley, J., & Chesterman, Ch. (2022). Systems Theory for Complex System Governance. In: C. B. Keating, P. F. Katina, C. W. Chesterman Jr., J. C. Pyne (Eds.), Topics in Safety, Risk, Reliability and Quality (pp. 97-118). Springer, Ch-am. DOI: 10.1007/978-3-030-93852-9_4
19. Chen, Z. (2023). Analysis of economic growth forecast based on regression model. Highlights in Science, Engineering and Technology, 42, 91-98. DOI: 10.54097/hset.v42i.7068 EDN: SZWLHE
20. Harman, G. (2010). Diophantine approximation with multiplicative functions. Monatshefte fuer Mathematik, 160, 51-57. Haslwanter, Th. (2022). Linear Regression Models. An Introduction to Statistics with Python, 1651, 229-263. DOI: 10.1007/978-3-030-97371-1_12
21. Karaca, Y. (2022). Theory of complexity, origin and complex systems. In: Multi-Chaos, Fractal and Multi-fractional Artificial Intelligence of Different Complex Systems (pp. 9-20). Academic Press. DOI: 10.1016/B978-0-323-90032-4.00003-1
22. Kucheryavskiy, S., Rodionova, O., & Pomerantsev, A. (2023). Procrustes cross-validation of multivariate regression models. Analytica Chimica Acta, 1255, 341096. DOI: 10.1016/j.aca.2023.341096 EDN: IFTLGB
23. Li, X., & Zhuang, X. (2022). Eco-City Problems: Industry-City-Ecology, Urbanization Development Assessment in Resource-Exhausted Cities. Sustainability, 15(1), 166. DOI: 10.3390/su15010166 EDN: FZNXDG
24. Lu, Y. (2021). Empirical Analysis on the Relationship Between Tertiary Industry Structure and Economic Growth Based on Multiple Regression - A Case Study of Henan Province. E3S Web of Conferences, 235, 02019. DOI: 10.1051/e3s-conf/202123502019 EDN: TAMOEK
25. Majumder, Sh. (2022). Economic and non-economic determinants of economic growth in Bangladesh: multivariate regression analysis. Independent Journal of Management & Production, 13, 693-718. DOI: 10.14807/ijmp.v13i2.1545 EDN: GNICAD
26. Pacala, F. A. (2023). A multiple regression analysis of economic outputs as a factor in TIMSS score in science among selected countries in Asia.International Journal of Humanities, Social Sciences and Business (INJOSS), 2(2), 218-224. DOI: 10.54443/injoss.v2i2.51 EDN: TNIUBA
27. Pareto, A. (2022). A robust method for regression and correlation analysis of socio-economic indicators. Quality & Quantity, 57, 5035-5053. DOI: 10.1007/s11135-022-01599-z EDN: YUYDNA
28. Qian, F., Tang, Y., & Yu, X. (2023). The Future of Process Industry: A Cyber-Physical-Social System Perspective. IEEE transactions on cybernetics, 37607148. DOI: 10.1109/TCYB.2023.3298838
29. Rao, C., & Toutenburg, H. (1995). Exact and Stochastic Linear Restrictions. In: Linear Models (pp. 111-154). Springer, New York, NY. DOI: 10.1007/978-1-4899-0024-1_5
30. Togoontumur, T., & Cooray, N. (2023). Does Collaboration Matter: The Effect of University-industry R&D Collaboration On Economic Growth. Journal of the Knowledge Economy, 1-15. DOI: 10.1007/s13132-023-01469-5
31. Working, H., & Hotelling, H. (1929). Applications of the Theory of Error to the Interpretation of Trends. Journal of the American Statistical Association, 24(165A), 73-85. DOI: 10.1080/01621459.1929.10506274
32. Yan, B., Yao, B., & Zhang, Ch. (2023). Industrial structure, high-quality development of logistics industry and the economy. PloS ONE, 18(5), e0285229. DOI: 10.1371/journal.pone.0285229 EDN: ECUKKA
33. Zhang, W., Zhang, T., Li, H., & Zhang, H. (2022). Dynamic spillover capacity of R&D and digital investments in China’s manufacturing industry under long-term technological progress based on the industry chain perspective. Technology in Society, 71, 102129. DOI: 10.1016/j.techsoc.2022.102129 EDN: MHOSZC
34. Zolotarev, K., Belyaeva, N., Mikhailov, A. N., & Mikhailova, M. (2016). Dependence between LD50 for Rodents and LC50 for Adult Fish and Fish Embryos. Bulletin of Experimental Biology and Medicine, 162, 439-444. DOI: 10.1007/s10517-017-3636-y
Выпуск
Другие статьи выпуска
Uncertainties are important factors that influence the decisions made by societies. Economic uncertainties closely affect society’s consumption and investment behaviour. Rising stock markets increase investors’ confidence, resulting in more purchases and higher stock prices and, in this context, an increase in consumer spending. When stock prices decrease, company investments are also negatively affected as consumer spending declines. Thus, increases and decreases in stock prices affect the general economy as they affect business confidence and consumers. The study analyses the effect of uncertainty in economic policies on stock markets, leading to a decrease in investor confidence in the economy. Such effects in G7 countries were examined using the nonlinear autoregressive distributed lag (ARDL) model for the period 1998: M05-2020: M09. This method was able to capture symmetries and asymmetries in the relationship between economic policy uncertainties and the stock markets. The results showed that heightened uncertainty in economic policy in Japan has a significantly negative effect on the stock market index, but in Germany and Italy, it has a significantly positive effect. Rising interest rates have negatively affected the stock market index in the United States, Canada, Japan, Italy, and the United Kingdom. The increase in the industrial production index is positively related to the stock market index in the United States, Canada, Japan, Italy, and France. Additionally, uncertainties in economic policy have asymmetric impacts on the stock market index in the United States, Canada, Japan and Italy, and symmetrical impacts in Germany, France and the United Kingdom.
Foreign direct investment (FDI) and trade openness serve as macroeconomic indicators that support economic growth. Numerous studies conducted in recent years have empirically demonstrated the significance of FDI and trade liberalisation. Historical data illustrates that Ghana operates as a net importer, posing several challenges for domestic firms due to the comparative advantage of multinational enterprises and economies of scale. However, the full extent of the theories surrounding FDI and trade openness remains incompletely understood across all economies. This study aims to uncover the impact of FDI and foreign trade on economic growth in Ghana. The study utilised time series data sourced from the World Bank spanning from 1985 to 2021, on an annual frequency. The econometric methods employed include a unit root test (ADF), Engle-Granger cointegration test, and multiple regression analysis (Ordinary Least Squares). The ADF unit root test indicated that the variables were non-stationary and integrated at first-order difference. The Engle-Granger cointegration test revealed that the variables are cointegrated. Regression analysis results demonstrated that both FDI and trade openness exert a positive influence on economic enhancement in Ghana, with GDP serving as a proxy for growth. Furthermore, the analysis showed that FDI has a positive impact on GDP per capita, whereas trade openness negatively affects it, utilising GDP per capita as the explained variable. Based on these findings, the study recommends that policymakers implement sound FDI and trade policies to foster economic growth in the country.
Foreign direct investment (FDI) has been crucial in transitioning Central and Eastern European countries from planned to market economies, facilitating technological modernisation, job creation, export performance, and regional competitiveness. However, FDI alone cannot solve economic development challenges; effective policies are essential for leveraging FDI as a catalyst for economic catch-up. This paper aims to derive economic policy lessons for emerging economies through a critical assessment of the Bulgarian experience in attracting FDI. It employs a methodological approach that combines quantitative analysis of key FDI indicators with qualitative evaluation of the policy landscape. Since the end of the 1990s, Bulgaria has secured macroeconomic and political stability as an important precondition for FDI, applying an open-door policy for foreign investors without strategic targeting. The country’s accession to the European Union in 2007 further enhanced its investment appeal. Nevertheless, the passive policy of reliance on a low tax regime and low labour costs without a strategic focus has led to unbalanced regional and unfavourable sectoral distribution with foreign investors crowding into the metropolitan area and sectors like non-tradable services and low-end manufacturing. Thereby, the Bulgarian experience, where the quantity of incoming FDI overshadowed the quality, demonstrates the insufficiency of a laissez-faire FDI strategy for maximising the benefits of FDI. The study underscores the necessity for proactive state policies in emerging economies that not only attract FDI but also ensure it fosters technological transfer and stimulates the economic potential of underdeveloped regions.
В последние годы рост концентрации и монополизации в банковском секторе России, связанный с доминированием крупнейших банков, был в основе дискуссии об уровне конкуренции в отрасли. Усиление конкуренции и снижение концентрации в финансовом секторе, в том числе на региональном уровне, являлось декларируемой задачей Банка России, решение которой связывается с распространением новых финансовых технологий, цифровизацией банковских услуг и технологиями дистанционного доступа. Целью исследования является оценка динамики концентрации на региональных рынках кредитования населения в период с 2015 г. по 2021 г. и ответ на вопрос, как новые финансовые технологии и цифровизация усиливают конкуренцию в банковском секторе на уровне регионов. Рассчитаны индексы концентрации и количество присутствующих банков на рынках кредитования населения в регионах РФ, а также на этом рынке в стране в целом. Расчеты проведены на основе данных с сайта Банка России, как для рынка кредитования физических лиц, так и отдельно для рынка жилищного кредитования. Они показали, что в эти годы не наблюдалось снижения показателей концентрации. В то же время снижение среднего по регионам числа банков, выдающих кредиты населению, менее значительно, чем снижение общего числа банков, вследствие прихода части банков на рынки тех регионов, где они не работали ранее. Это значит, что расширение оставшимися банками своей деятельности на большее число регионов, в том числе с помощью цифровизации и развития дистанционных методов, потенциально способно усилить конкуренцию в отрасли. Однако пока только небольшой объем кредитов и вкладов населения в регионах обеспечивается банками, не имеющими подразделений в данном регионе. Поэтому пока мало оснований говорить о том, что новые финансовые технологии усиливают конкуренцию в банковском секторе регионов страны.
Развитие регионов на основе механизмов реализации инвестиционных проектов с участием государства в рамках концессионных соглашений приобретает особую значимость в условиях масштабных санкционных ограничений, требующих ужесточения контроля за эффективностью использования бюджетных средств с целью повышения отдачи от вложенных инвестиций и минимизации рисков их ненадлежащего освоения. В статье рассматривается построение классификационных моделей оценки таких проектов, позволяющих выявить концессионные соглашения повышенного риска, что позволит государственному заказчику принимать обоснованные решения при выборе исполнителя проекта и обеспечить эффективность управления государственным имуществом. Особенностью предложенного подхода к построению классификационных моделей является использование скрининг-моделей и встроенных инструментов информационно-аналитической системы СПАРК для объективной оценки добросовестности концессионеров на основе финансовых и иных факторов, а также методов дискриптивного анализа больших данных, машинного обучения и метода ближайших соседей при кластеризации региональных инвестиционных проектов по уровню риска ненадлежащего исполнения концессионных соглашений. Подход апробирован на выборке из 1248 региональных инвестиционных проектов, реализуемых в рамках концессионных соглашений. В итоге выделены два кластера проектов с низким и высоким уровнем риска ненадлежащего исполнения концессионером своих обязательств перед государством объемом 83,8 % и 16,2 % соответственно. Для оценки точности и чувствительности к выбросам полученной классификационной модели применялись матрица ошибок и метрика Спирмена, которая показала достаточно высокую точность полученной классификации. Применение построенных моделей возможно как на этапе отбора региональных инвестиционных проектов, так и на этапе мониторинга уже реализуемых проектов для выявления потенциальных рисков их незавершения и своевременного принятия государственным заказчиком необходимых мер реагирования.
Переформатирование мирохозяйственных связей актуализирует активизацию Россией сотрудничества на Большом евразийском пространстве на базе ЕАЭС. Цель исследования - обоснование подхода к оценке ресурсной обеспеченности перспектив развития Большого евразийского пространства. На базе подхода Б. Балассы и анализа документов авторы предлагают градацию пяти институциональных уровней (сверх ЕАЭС) развития Большого евразийского пространства и определяют их интеграционные контуры: I уровень - страны, с которыми у ЕАЭС заключено соглашение о зоне свободной торговли; II - иное соглашение; III - сотрудничество прорабатывается; IV - велись переговоры; V - страны, которые проявляли интерес к соглашению. Согласно 4 традиционным типам факторов производства, выделяются 8 видов ресурсной обеспеченности: сырьевая, агроклиматическая и продовольственная, трудовая, интеллектуальная, по производственным мощностям, транспортной инфраструктуре, внедренческая, финансовая. Для их оценки предлагаются показатели как представленные в статистике, так и рассчитанные авторами: число занятых в отдельном секторе, добавленная стоимость в сегменте обрабатывающей промышленности, удельное число исследователей в группе стран, превышение 3-летнего госбюджета над госдолгом, запасы суммы горючих ископаемых и др. Проведенная оценка ресурсной обеспеченности выделенных уровней показала, что за 2000-2021 гг. значительно выросла доля Большого евразийского пространства в мировом ВВП, природно-ресурсной ренте, промышленности, включая высокотехнологичную, в генерации патентов, инвестициях, грузоперевозках. Вклад ЕАЭС в Большое евразийское пространство существенен по фактору «земля», транспортной инфраструктуре, безопасности бюджета, в т. ч. со странами, помимо Китая, - по факторам «труд», «земля», ВВП; вклад отдельно Китая - по фактору «труд», производственные мощности, транспортная инфраструктура, технологии, международные резервы. Такое распределение ресурсов актуализирует кооперацию ресурсных возможностей внутри Большого евразийского пространства, особенно с целью разработки, внедрения и глобального продвижения передовых производственных технологий. Полученные результаты могут применяться при выборе механизмов и инструментов международного экономического сотрудничества и служить основой для будущих исследований в сфере моделирования баланса движения товаров, услуг и факторов производства между странами Большого евразийского пространства.
Поскольку в основе формирования новой архитектуры многополярного мира лежит конкурентная борьба стран за экономическое лидерство, которое обеспечивают высококвалифицированные кадры, сфера высшего образования трансформируется под влиянием этого тренда. Усиливается международная конкуренция университетов за привлечение в свою страну лучших студентов. Цель статьи: выявить факторы, ведущие к изменению позиций университетов регионов мира в условиях смены глобального мирового лидера, выработать рекомендации для российских вузов по укреплению позиций на мировом образовательном рынке. Основу методологии составили концепция исторических циклов разной длительности, ведущих к смене глобальных лидеров, современная трактовка интернационализации высшего образования как всеобъемлющего многокомпонентного процесса, взамен ранее доминирующей фрагментации. Первый блок исследует проблему смены мирового лидера, во втором выявляются изменения в сфере интернационализации высшего образования в ключевых регионах мира, в третьем предложена оценка интернационализации университетов регионов мира как базы нового рейтинга и самооценки вузов. Подтверждена гипотеза о совпадении общемирового тренда смены глобального лидера и места национальных университетов в международных рейтингах. Для оценки динамики тренда предложен авторский многокомпонентный индекс интернационализации высшего образования страны и университетов. Выявлено, что Китай, претендующий на роль глобального лидера, увечил долю на образовательном рынке и более чем в 1,5 раза нарастил объемы импорта, т. е. направление своих студентов в лучшие вузы мира с высоким рейтингом, а США ослабили свои позиции. Российские университеты занимают средние места в рейтингах, несмотря на рост доли страны на мировом образовательном рынке. Предложенные для российских университетов рекомендации и вариант проведения ими самооценки, будут полезны специалистам по стратегическому развитию.
Infrastructure development plays an important role in reducing poverty, assuring food security and sustainable development of a country. One of the key challenges hindering the economic growth of developing countries is the lack of proper transport, Information and Communication Technology (ICT), and energy sector infrastructures. This research aims to examine the importance of transport, ICT and power sector in Ethiopia’s economic growth and identify the main challenges these sectors have been facing based on data obtained from different secondary sources such as websites of the World Bank and Trading Economics, official reports, and published works. Descriptive statistical analysis was implemented to describe the secondary data obtained, while graphs, tables, and charts were used to visualise the results. Despite the difficulties in establishing and sustaining necessary infrastructure, research indicates that the growth of Ethiopia’s economy is largely attributed to infrastructure development. Furthermore, year after year, progress has been made in each sector of development, though there are still obstacles to overcome. Poor quality of road, transport and ICT infrastructure have been key factors of poor development in the country. There is an imbalance between the power needed and the available power. Given Ethiopia’s abundance of resources, the country must continue to prioritise infrastructure development.
Для России и ее регионов 2020 год был основополагающим: приняты новые программы развития, в том числе и в области охраны окружающей среды. На региональном уровне эти документы отражают стратегические и тактические вопросы региональной экологической политики. Итоги предшествующих программ неутешительны, что объясняется многими причинами. В частности, при разработке региональных экологических программ не всегда выдерживается координация с национальными планами. Цель исследования - анализ новых экологических программ, принятых в субъектах Дальневосточного федерального округа, контексте соответствия задачам, обозначенным в государственной экологической программе федерального уровня. Гипотеза работы: структура региональных программ и поставленные в них задачи не в полной мере отвечают заданному федеральной властью вектору экологической политики. Информационной базой исследования явились нормативные документы по экологической безопасности, государственные доклады и программы по охраны окружающей среды субъектов ДФО. Использованы методы количественного и качественного контент-анализа, сравнительного анализа, визуализации данных и др. Осуществлен обзор новых экологических программ регионов ДФО. Анализ 153 целевых показателей / индикаторов достижения обозначенных целей в региональных программах свидетельствует об их неполном соответствии задачам государственной экологической программы федерального уровня. Лишь в 50 % программ приняты во внимание основные ориентиры федеральной программы. Внутренний анализ содержания региональных программ позволил определить общие приоритеты региональной экологической политики субъектов ДФО: 44 % показателей сосредоточены на проблеме сохранения наземных и водных экосистем. 21 % показателей не имеют прямого отношения к охране окружающей среды, касаются исключительно вопросов ресурсных отраслей, например, 14 % показателей связаны с проблемами освоения минерально-сырьевой базы. 8 из 11 программ несут в себе отпечаток ресурсной специализации территории. Предложены рекомендации по улучшению структуры и содержания региональных программ. Полученные результаты важны при оценке эффективности региональной экологической политики и могут использоваться при формировании экологических программ для других территорий.
Освоение никелевых месторождений в Уральском регионе принесет экономическую выгоду для народного хозяйства России и для региона. Никель является важным стратегическим сырьем, использующимся в атомной, военной, фармацевтической, нефтехимической отраслях, а также при производстве портативных электронных устройств, электромобилей и многого другого. В сложившейся политической ситуации в мире необходимо развитие сырьевой базы с ориентацией на отечественные месторождения, тем более находящиеся в давно освоенном регионе. Методом исследования является анализ технико-экономических показателей, при проведении которого оценивается эффективность бизнеса: ожидаемый доход, инвестиционная привлекательность, перспективы ускорения ввода в разработку. Результатом исследования являются экономическое обоснование вовлечения в отработку месторождений никеля Среднего Урала и оценка технической возможности и экономической целесообразности добычи относительно бедных силикатных никелевых руд. Включение в отработку данных месторождений предполагает повышенные экологические затраты на охрану недр и окружающей среды, улучшение социальных условий для населения (повышение уровня занятости, регулярная экологическая и медико-биологическая экспертиза и др.). Для рассматриваемых месторождений предложены меры рационального комплексного использования добываемого минерального сырья, в частности производство стройматериалов из минеральных отходов при полном учете экологических и социальных факторов. Экономические расчеты проводились для Кунгурского месторождения (при годовой производственной мощности по руде в 396 тыс. т), для Парушинского (273 тыс. т) и Серовского (600 тыс. т). Расчеты показали высокую рентабельность отработки месторождений, в том числе при вовлечении в отработку минеральных отходов.
В условиях замедления темпов экономического роста актуальным становится вопрос определения отраслей-драйверов, которые обеспечат развитее на новых основаниях. Целью исследования является анализ отраслевых структурных сдвигов в экономике Удмуртской Республики в разрезе укрупненных видов экономической деятельности. Исследователи предположили, что в отраслевой структуре ВРП Удмуртской Республики произошли структурные сдвиги, которые не способствовали ускорению темпов экономичного роста. Для достижения поставленной цели были изучены теоретические аспекты структурных сдвигов, проведен ретроспективный анализ статистических данных за период с 2004 г. по 2021 г. В исследовании использовалась модифицированная методика макро-структурного динамического анализа, в рамках которой сопрягаются структурные сдвиги с темпами роста экономики, анализировались исторические предпосылки формирования структуры, использован индекс физического объема ВРП на душу населения вместо ВРП при оценке качества структурного сдвига, введено понятие «структурный детерминант экономического роста». Было идентифицировано два структурных лага и четыре малых периода, характеризующихся определенным соотношением обрабатывающей и добывающей промышленности, в которых произошло пять значимых структурных сдвигов. Сама отраслевая структура экономики региона является результатом природногеографических и политических факторов. Структурные сдвиги за рассматриваемый период не обеспечили долгосрочного экономического роста и принципиального изменения технологического уклада промышленности региона, так как являлись следствием волатильности мировых цен на нефть. Полученные результаты могут быть использованы для разработки региональной структурной политики с позиции отраслей-драйверов, обеспечения устойчивого экономического роста. Важным направлением будущих исследований является обоснование «оптимальности» структуры региональной экономики с учетом взаимозависимости развития отраслей, встроенности в национальную систему производства.
Руководства большинства стран рассматривают динамику ВВП как показатель успешности экономической политики. Несмотря на важность и полезность измерения ВВП, он весьма ограниченно характеризует не только положение в обществе, но и ряд экономических характеристик развития. Целью настоящего исследования является изучение взаимосвязи уровня валового регионального продукта (ВРП) на душу населения и качества жизни населения в регионах России. Моделирование влияния ВРП на качество жизни населения на панельных данных с использованием пространственных фиксированных эффектов позволило получить хорошо специфицированные модели с высокой объясняющей способностью различий значений зависимой переменной. В частности, доказано существование постоянной эластичности интегрального показателя качества жизни населения в регионах России по подушевому ВРП (0,588). Расчет и анализ фиксированных эффектов российских регионов в динамике позволили оценить их потенциал обеспечения качества жизни, дополнительно к возможностям, созданным в результате распределения ВРП, а также эффективность региональной политики регионов России в сфере создания условий для поддержания качества жизни их населения. Отмечено, что в регионах, лидирующих по уровню интегрального показателя качества жизни, положительные фиксированные эффекты возрастают в течение периода наблюдения. Обратная динамика наблюдается для отстающих регионов. Поэтому растет неравенство (дифференциация) регионов в этой сфере. Таким образом, показано, что созданный ранее региональный задел в обеспечении качества жизни населения, не связанный с текущим подушевым ВРП, является ключевым фактором качества жизни населения в регионах России. Следовательно, интегральный показатель качества жизни в регионах России определяется в основном не уровнем текущего подушевого ВРП, а спецификой региона, долгосрочной региональной политикой в сфере распределения ВРП и обеспечения качества жизни в регионе. В связи с этим целесообразно, в частности для поддержки отстающих регионов, выявление лучших практик лидирующих регионов и распространение их для остальных.
Проблематика измерения человеческого капитала на различных уровнях, степеней детализации, социально-экономических традиций, несмотря на быстро растущую библиографию и некий сформированный научный консенсус, остается в числе актуальных в силу многообразия способов концептуализации, измерения и трактовки результатов. Однако результаты получения и измерения человеческого капитала до сих пор не оправдали ожиданий по ряду причин, некоторые из которых раскрыты в статье. Оценка человеческого капитала для региона в России в силу чрезвычайной многообразности региональных специфик получает дополнительный импульс развития в российском научном дискурсе, проявляясь как в количественном, так и качественном варианте исследований. Целью исследования является выявление характера влияния значимых факторов, в том числе определяющих региональную специфику, на самооценку человеческого капитала для рынка труда в разных сегментах экономически активного населения. Авторы применяют новую (для российского научного дискурса) методику получения данных при ответах на группу вопросов и измерении общего человеческого капитала (для рынка труда). Применена авторская база данных, выделены группы факторов и определена их значимость для самооценки человеческого капитала в соответствии с известными теоретическими положениями, что также несет в себе элементы эмпирической новизны. Получены доказательные ответы на вопрос о влиянии наряду с традиционными факторами группы внешних факторов (степени удовлетворенности проживанием в регионе и уровня доверия к региональным властям) для отдельных категорий работающего населения на качество человеческого капитала на примере конкретного российского региона.
В условиях реализации модели устойчивого развития возникает необходимость пересмотра традиционных подходов к сущности и оценке человеческого капитала, воспроизводство которого определяет национальное богатство страны. Для республики Беларусь человеческий капитал составляет основу развития нации. Его сохранение и приумножение как фактора устойчивого развития обусловливают инвестиции, связанные с воспроизводством капитала, источниками формирования которых выступают чистые доходы населения, средства организаций и органов государственного управления. целью исследования является разработка теоретико-методологических и методических основ стоимостной оценки человеческого капитала для определения направлений инвестирования средств в его развитие. в статье рассмотрены подходы к дефиниции понятий «человеческий капитал» и «инвестиции в человеческий капитал», которые позволяют определить субъектов и объектов инвестиционной деятельности на различных уровнях национальной экономики. Предложен методический инструментарий стоимостной оценки человеческого капитала, основывающейся на положениях теории воспроизводственной ренты и учитывающей инвестиционную составляющую как движущий фактор его регионального и национального развития. Для оценки воспроизводства человеческого капитала разработан дисконтный показатель, обратный среднему периоду ожидаемой продолжительности жизни населения, косвенно выражающий его уровень и качество жизни. исследование построено на данных социально-экономического развития регионов республики Беларусь. Апробация методического подхода показала, что продуцирование человеческого капитала является постоянным и увеличивается во времени. Его устойчивое воспроизводство определяют чистые доходы населения и государственные инвестиции в развитие социальной сферы, включая образование и здравоохранение. Повышение профессионально-квалификационного уровня работников и улучшение условий их труда выступают основными направлениями инвестирования средств субъектами хозяйствования в человеческий капитал. Полученные результаты могут быть использованы при разработке социально-экономической политики и ее реализации на региональном уровне.
Международная миграция оказывает значительное влияние на демографическое и социально-экономическое развитие региона. Цель настоящего исследования - оценить положение и особенности адаптации мигрантов из стран Центральной Азии на региональном рынке труда и выявить ее тенденции. Социологическое исследование проводилось в марте - мае 2023 г. на территории Свердловской области при помощи анкетного опроса и разведывательного интервью. Для анализа были отобраны анкеты мигрантов из стран - основных поставщиков трудовых ресурсов на региональный рынок труда: Кыргызстана, Таджикистана и Узбекистана. В результате исследования были подтверждены некоторые выводы, сделанные в предыдущих исследованиях по данной тематике, выявлены новые тенденции. Отмечена специфика миграции на рынке труда Свердловской области, выраженная в высокой доле выходцев из Таджикистана, росте доли занятых в промышленном секторе и склонности к организации собственного бизнеса у выходцев из Кыргызстана. Выявлены факторы, которые помогают мигрантам адаптироваться на региональном рынке труда: особенности правового регулирования (Кыргызстан), знание русского языка, родственные связи, наличие образования, официально оформленной занятости, продолжительность нахождения на территории России, натурализация. Сделаны выводы, позволяющие повысить эффективность миграционной политики посредством контроля и стимулирования официальной занятости иностранных работников на основе формирования единой базы данных и постоянного мониторинга информации о трудовых мигрантах и членах их семей. Данное исследование представляет интерес для специалистов, занимающихся проблемами трудовой миграции. Ввиду разработки нового инструментария миграционной политики данное направление исследований имеет перспективы, особенно важным направлением может стать совершенствование практики применения трудового патента и проведения организованного набора.
Конкурентоспособность региона - проблема, остающаяся дискуссионной на протяжении длительного времени. Значимость ее решения возрастает, так как конкурентоспособность все больше становится не только показателем достижений, но и инструментом оценки деятельности региональных властей. Важность правильного понимания содержания этого явления обусловливается также потребностью в правильном определении задач для региональной политики и инструментов для управления регионом. Цель статьи - раскрыть подлинную природу конкурентоспособности региона как одну из форм проявления конкурентоспособности, показав особенности ее содержания. Посредством контент-анализа зарубежных и отечественных источников по проблеме показана невозможность ее решения на основе существующих подходов и доказана необходимость применения принципиально иного подхода - с позиций борьбы за экономические выгоды. Благодаря системно-воспроизводственному методу анализа обосновывается положение о том, что по своей природе конкурентоспособность - это способность хозяйствующих субъектов перераспределять созданную в экономике ценность в свою пользу. Конкурентоспособность региона трактуется как одна из форм проявления конкурентоспособности, возникающая в связи с обретением регионами признаков хозяйственной субъектности - наличие обособленных материальных интересов, властных и распорядительных полномочий, возникающих в связи с превращением регионов в звенья развития производительных сил общества. Это порождает возникновение конкуренции между ними за привлечение инвестиционных ресурсов как фактора достижения региональных целей. Конкурентоспособность региона определяется как способность региона перераспределять инвестиционные потоки в свою пользу посредством создания более привлекательных условий и стимулов для их применения. Помимо адекватного отражения природы конкурентоспособности региона такая трактовка обладает рядом преимуществ, таких как синтетичность, устойчивость, гибкость и операциональность.
В России исторически сложилась высокая региональная дифференциация социоэкономики, в том числе в сфере народонаселения. Новейшие процессы распространения информационно-коммуникационных технологий в регионах тоже протекают с разной скоростью. Влияние цифровизации на рождаемость населения мало изучено, требуется поиск релевантных методов выявления связей между обозначенными процессами. Целью исследования является оценка влияния цифрового развития регионов России на суммарный коэффициент рождаемости в регионах с разным уровнем использования информационно-коммуникационных технологий. В анализе использованы данные Росстата из сборников «Регионы России: социально-экономические показатели», раздел «Информационные и коммуникационные технологии». Применялись методы одномерной и многомерной статистической обработки данных. Проводилась кластеризация регионов РФ по 16 показателям, характеризующим уровень цифрового развития территории. Исследование выполнялось с пятилетним интервалом, в 2014 и 2019 гг. Выделено три кластера, условно названные «лучший», «средний» и «худший». Наиболее высокая поляризация цифрового развития наблюдалась в 2014 г.: в «среднем» кластере находилось 4 региона, в «лучшем» - 29, в «худшем» - 46. В 2019 г. поляризация сгладилась: в «среднем» кластере уже 45 регионов, в «лучшем» - 33, в «худшем» осталось 4: Республика Дагестан, Республика Северная Осетия - Алания, Чеченская Республика, Республика Тыва. Результаты показали, что средний суммарный коэффициент рождаемости ниже в тех кластерах, которые характеризуются более высокими показателями в области цифровизации. За 20142019 гг. в лучшем с точки зрения развития информационных и коммуникационных технологий кластере он снизился на 31,1%, в «среднем» - на 47,7%; в «худшем» кластере наблюдался рост рождаемости на 37,7%. Многослойность и взаимозависимость факторов влияния на процессы рождаемости не позволила точно оценить вклад конкретных факторов цифровизации на деторождение. Обоснована перспективность будущих исследований в направлении статистической оценки влияния цифровизации занятости на репродуктивное поведение.
В текущем контексте экономического развития Китая и его влияния на мировую экономику вопрос раскрытия роли человеческого капитала становится особенно актуальным. В этой статье реконструируется реалистичный показатель индекса человеческого развития (ИЧР) и соответствующих индексов измерений для КНР и ее провинций с 1990 г. по 2020 г. и проводится сравнение с основными странами мира или со странами, подобными провинциям Китая; обнаружена недооценка уровня ИЧР Китая по данным ПРООН. Для анализа роли человеческого капитала в текущих условиях экономического роста для мира, Китая и группы стран, близких к провинциям Китая по численности населения и оценке ИЧР, была построена модель, объединяющая человеческий капитал с качеством образованием и физический капитал. Результаты показывают, что КНР смогла преодолеть негативные условия, влияющие на ее способность к быстрому росту, и достичь 40-летних рубежей человеческого развития стран, условия которых близки к условиям нынешнего этапа ИЧР Китая, всего за 30 лет, и значительно сократить неравенство в уровне ИЧР провинций. К 2025 г. 90 % населения КНР, вероятно, достигнет очень высокого уровня человеческого развития, завершив тем самым трансформацию из развивающейся страны в так называемую развитую. Эмпирические исследования также показывают, что образовательный человеческий капитал объясняет почти 3/4 колебаний экономического роста в долгосрочной перспективе, при этом средняя продолжительность образования сохранит значительное влияние на экономический рост в течение следующих 10-30 лет. С учетом влияния демографических, институциональных, технологических факторов, а также целей, обозначенных в 14-м пятилетнем плане КНР, стоит ожидать увеличения продолжительности и повышение качества образования. Экономический рост КНР в последние десятилетия в значительной мере основан не только на существенном увеличении физического, но и, как показано в статье, человеческого капитала.
В России действует порядка 200 инструментов поддержки науки и инноваций, однако инновационная активность организаций составляет 12 %, что в 4-6 раз ниже, чем в большинстве технологически развитых стран. Международные санкции обостряют неотложность решения проблемы активизации инновационной составляющей технико-технологической конкурентоспособности страны. гипотеза настоящего исследования заключается в том, что повышение эффективности управления инновационными процессами в российских регионах требует перехода к целостной инновационной политике, нацеленной на гармонизацию развития региональных научно-технологических и производственных комплексов в интересах обеспечения технологического суверенитета. Цель статьи - совершенствование методологии и механизмов государственной инновационной политики РФ. Раскрыт авторский подход к реализации основных идей инновационной политики, ориентированной на миссию, применительно к специфике российских регионов. Обоснована целесообразность использования в РФ эшелонированной инновационной стратегии. На первом этапе усилия должны быть направлены на стимулирование инновационной деятельности в регионах с наиболее высоким уровнем развития науки и высокотехнологичных производств с поэтапным вовлечением в инновационные процессы менее развитых регионов. При выборе регионов предлагается учитывать следующие показатели: численность занятых НИОКР, объем отгруженной продукции высокотехнологичными и среднетехнологичными высокого уровня предприятиями, численность студентов вузов, бюджетную обеспеченность. С использованием рангового метода на основе данных Росстата проведен предварительный выбор 10 регионов, имеющих наилучшие предпосылки для реализации данного подхода (Москва, Санкт-Петербург, Республика Татарстан, Нижегородская, Свердловская области и др.). Обоснованы актуальные инновационные миссии для этих регионов с учетом потребностей экономики в преодолении технологического отставания и снижении импортозависимости (инновационное импортозамещение, экономика замкнутого цикла и др.). Полученные результаты могут быть использованы при совершенствовании инновационной политики на федеральном и региональном уровнях. Одним из наиболее актуальных направлений дальнейших исследований является разработка теоретико-методологических основ формирования единого научно-технологического пространства России.
Роль внешнеэкономических связей для экономики России в досанкционный период имела очевидную тенденцию к усилению - при увеличении ВВП страны к 2013 г. по сравнению с 2000 г. в 1,75 раза рост импорта за этот же период составил в сопоставимых ценах 5,7 раза. При всех фактических и потенциальных эффектах использования сравнительных преимуществ усиление зависимости от внешних рынков имело и негативные последствия. Целью выполненного исследования была оценка зависимости спроса на импортные товары с учетом сложившейся структуры межотраслевых связей в российской экономике. В работе изложены результаты первого этапа сравнения прямых и полных затрат в целом для российской экономики, дано описание математического инструментария, использовавшегося для расчета показателей импортозависимости российской экономики. В перспективе этот подход будет распространен на пространственную экономику в разрезе двух макрозон - европейской и азиатской частей страны. Статистические данные показывают, что прямая импортоемкость российской экономики примерно равна 6 %, что меньше, чем в среднем для мировой. Значение индекса вертикальной специализации составляет около 11 %, что отражает относительно невысокую зависимость экспорта отечественных товаров от импорта. За период 2014-2020 гг. наибольшие снижения полных затрат импорта характерны для продукции целлюлозно-бумажной промышленности (-5 %) и производства транспортных средств (-3 %), обеспеченных в основном снижением прямой импортоемкости этих отраслей. В целом влияние вынужденного импортозамещения после 2013 г. оказалось негативным для большинства регионов. Используемый инструментарий может применяться в прогнозировании торгового баланса и последствий реализации различных сценариев политики импортозамещения. Ввиду учета в косвенных и полных затратах потоков продукции, относящихся только к промежуточному потреблению, представляется целесообразным в перспективе развить используемую методику в направлении учета и инвестиционных товаров
В последние годы российская экономика пережила серию санкционных и пандемических шоков, однако реакция российских регионов на них оказалась весьма различной, что объясняется разным пространственным положением и отраслевой структурой их экономик. В настоящей статье на основе помесячных данных за 2016-2023 гг. оценивается в динамике уровень стресса региональных физических объемов промышленного производства, оборота розничной торговли и объема платных услуг населению. Индекс стресса рассчитывался как скользящая разница между стандартным отклонением и средним темпом прироста показателя к сопоставимому периоду прошлого года. Интегральный индекс стресса представлен в виде простой суммы частных индексов стресса, нормированных с помощью метода эквивалентных дисперсий в пределах панельной выборки. В результате получены временные ряды частных и интегрального индексов стресса в масштабах страны, федеральных округов и субъектов РФ, проведены межрегиональные сравнения среднего уровня стресса в рассматриваемом периоде и в трех его подпериодах (допандемическом, пандемическом (03.2020 -02.2022) и постпандемическом / новом санкционном). Полученные данные свидетельствуют о большей и относительно однотипной чувствительности сферы услуг российских регионов к пандемии, разной реакции промышленности регионов на санкционные шоки, что создавало эффект диверсификации в масштабах страны, большей реакции торговли на пандемический шок и промышленности на новый санкционный шок. В среднем наиболее уязвимыми к шокам оказались субъекты Северо-Кавказского ФО, а наибольшую устойчивость проявили регионы Сибирского ФО. Исследование показало, что важными факторами устойчивости реального сектора региональных экономик к пандемическому шоку являются отраслевая структура и уровень доходов в регионе, а к санкционным шокам-также его пространственное размещение.
Москва - крупнейший регион России, лидирующий по многим социально-экономическим показателям и в силу своего масштаба влияющий на экономику страны в целом. Это определяет цель исследования - построение модели для прогнозирования основных индикаторов развития московской экономики. Реализация данной цели предполагает выполнение следующих основных задач: а) выбор оптимального типа модели и прогностических методов, б) преобразование доступной региональной статистики в форму, позволяющую применять эти методы, в) нахождение алгоритма для учета влияния детализированных бюджетных расходов на московскую экономику, г) комбинацию результатов выполнения предыдущих задач для построения прогнозной модели. В статье описана разработанная авторами среднесрочная сценарная модель экономики Москвы, в рамках которой сочетаются межотраслевой и эконометрический подходы к прогнозированию экономического развития. Обосновывается использование наилучших кросс-валидационных метрик для выбора оптимальных с точки зрения прогнозирования эконометрических моделей. Разработан алгоритм перевода сумм расходов по детализированным кодам расходов бюджетной классификации в отраслевой разрез. Предложен подход к оценке влияния расходов московского бюджета на экономику с учетом внутригородских межотраслевых связей. Приведены результаты модельных расчетов, в рамках которых в качестве сценариев используются два комплексных макроэкономических прогноза: базовый прогноз Минэкономразвития России (апрель 2023 г.) и инерционный прогноз ИНП РАН (март 2023 г.). Сценарий Минэкономразвития в числе прочего предполагает прирост ВВП России в постоянных ценах в 2023-2025 гг. в 1,2, 2,0 и 2,6 % соответственно. Прогнозные темпы прироста московского ВРП в этом сценарии - 0,5, 0,8 и 1,2 % соответственно. Согласно выполненным расчетам, к 2025 г. московский ВРП в текущих ценах увеличится в зависимости от сценария до 30,9-31,7 трлн руб., а мультипликатор московских бюджетных расходов на ВРП в 2023-2025 гг. будет оставаться на уровне 0,76-0,77.
Издательство
- Издательство
- УрФУ
- Регион
- Россия, Екатеринбург
- Почтовый адрес
- 620002, Свердловская область, г. Екатеринбург, ул. Мира, д. 19
- Юр. адрес
- 620002, Свердловская область, г. Екатеринбург, ул. Мира, д. 19
- ФИО
- Кокшаров Виктор Анатольевич (Ректор)
- E-mail адрес
- rector@urfu.ru
- Контактный телефон
- +7 (343) 3754507
- Сайт
- https://urfu.ru/ru