В настоящее время разворачивается научная дискуссия вокруг данных как нового фактора производства, который способствует трансформации традиционных отраслей экономики, промышленной интеграции, обеспечивает межрегиональное взаимодействие. Вместе с тем возникает вопрос о взаимосвязи с такими традиционными производственными факторами, как труд и капитал. Цель исследования состоит в выявлении детерминант использования организациями больших данных на уровне регионов. Гипотеза исследования предполагает, что ключевыми детерминантами использованиями организациями технологий больших данных являются цифровой труд, цифровой капитал и социально-экономические характеристики регионов. Авторами предложена модифицированная производственная функция знаний, апробация которой проведена на открытых данных Росстата по 85 регионам России за период 2021-2022 гг. Модели анализа панельных данных были построены с помощью метода наименьших квадратов, обобщенного выполнимого метода наименьших квадратов. Результаты исследования показали, что использование технологий больших данных в российских регионах имеет пространственную неоднородность, также наблюдается дифференциация регионов по наличию цифрового капитала и цифрового труда. Модели панельных данных со случайными эффектами подтвердили положительное влияние цифрового труда и цифрового капитала на использование организациями больших данных. Среди социально-экономических характеристик регионов как детерминант использования технологий больших данных значимое влияние было получено для доли городского населения, валового регионального продукта и доли затрат на инновации. Определены детерминанты развития экономики данных в российских регионах с учетом географической, технологической и экономической дифференциации. Теоретическая значимость заключается в предложении авторской концепции модифицированной производственной функции знаний, которая может быть использована как фундаментальная основа для развития теории экономики данных. Практическая значимость исследования состоит в обоснованности ценности больших данных, использование которых может помочь органам государственной власти в поиске новых возможностей развития экономики данных с учетом региональной дифференциации, усовершенствовании методологии мониторинга применения цифровых технологий организациями, определении ключевых факторов воздействия на использование организациями технологий больших данных.
Идентификаторы и классификаторы
Современные экономические реалии, необходимость импортозамещения акцентируют внимание исследователей на внутренние источники достижения технологического суверенитета и устойчивого регионального развития. Несмотря на то, что пока экономическими науками еще недостаточно изучен феномен цифровых технологий, сфера их применения постоянно увеличивается.
За период с 2017 по 2021 г. внутренние затраты отечественных организаций на создание, распространение и использование цифровых технологий в процентах к валовому внутреннему продукту увеличились в 1,2 раза. В 2021 г. 77,9 % отечественных организаций использовали сеть Интернет 1. К наиболее востребованным также относятся технологии больших данных и цифровые платформы. Большинство компаний, еще не использующих цифровые решения, планируют начать с технологий искусственного интеллекта (77,2 % компаний) и технологий сбора, обработки, анализа больших данных (68,1 %).
Список литературы
1. Zemlyak S., Gusarova O., Khromenkova G. Tools for correlation and regression analyses in estimating a functional relationship of digitalization factors // Mathematics. 2022. Vol. 10, Issue 3. 429. DOI: 10.3390/math10030429 EDN: FSDDIM
2. Koch M., Krohmer D., Naab M., Rost D., Trapp M. A matter of definition: Criteria for digital ecosystems // Digital Business. 2022. Vol. 2. 100027. DOI: 10.1016/j.digbus.2022.100027 EDN: CODIBT
3. Zhou Y.Integrated development of industrial and regional economy using big data technology // Computers and Electrical Engineering. 2023. Vol. 109, Part A. 108764. DOI: 10.1016/j.compeleceng.2023.108764 EDN: ENQGTF
4. Миролюбова Т.В., Радионова М.В. Оценка влияния факторов цифровой трансформации на региональный экономический рост // Регионология. 2021. Т. 29, № 3. C. 486-510. DOI: 10.15507/2413-1407.116.029.202103.486-510 EDN: FCWDIB
5. Mueller M., Grindal K. Data flows and the digital economy: information as a mobile factor of production // Digital Policy, Regulation and Governance. 2018. Vol. 21, Issue 1. Pp. 71-87. DOI: 10.1108/DPRG-08-2018-0044
6. Larionova M., Shelepov A. Opportunities and Constraints for G20 Leadership in Data Governance: Is There a Chance for Convergence in Approaches? // International Organisations Research Journal. 2023. Vol. 18, No. 1. Pp. 7-32. DOI: 10.17323/1996-7845-2023-01-01 EDN: YQBYFI
7. Quaglione D., Pozzi C. Big data economics: The features of the ongoing debate and some policy remarks // L’industria. 2018. No 1. Pp. 3-16. DOI: 10.1430/90435
8. Varlamova J., Kadochnikova E. Modeling the Spatial Effects of Digital Data Economy on Regional Economic Growth: SAR, SEM and SAC Models // Mathematics. 2023. Vol. 11, Issue 16. 3516. DOI: 10.3390/math11163516 EDN: ECTTXN
9. Saggi M.K., Jain S. A survey towards an integration of big data analytics to big insights for value-creation // Information Processing and Management. 2018. Vol. 54, Issue 5. Pp. 758-790. DOI: 10.1016/j.ipm.2018.01.010
10. Коровин Г.Б. Сравнительная оценка цифровизации индустриальных регионов РФ // Экономика региона. 2023. Т. 19, Вып. 1. С. 60-74. DOI: 10.17059/ekon.reg.2023-1-5 EDN: TZKGJT
11. Bukht R., Heeks R. Defining, Conceptualising and Measuring the Digital Economy // International Organisations Research Journal. 2018. Vol. 13, No 2. Pp. 143-172. DOI: 10.17323/1996-7845-2018-02-07 EDN: YXBNWX
12. Lammi M., Pantzar M. The data economy: how technological change has altered the role of the citizen-consumer // Technology in Society. 2019. Vol. 59. 101157. DOI: 10.1016/j.techsoc.2019.101157
13. Приходько Д.В., Шеров-Игнатьев В.Г. Цифровая экономика в Африке: состояние и проблемы развития // Вестник Санкт-Петербургского университета. Экономика. 2024. Т. 40, № 1. C. 3-35. DOI: 10.21638/spbu05.2024.101 EDN: YBWQTY
14. Sadowski J. When data is capital: Datafication, accumulation, and extraction // Big Data & Society. 2019. Vol. 6. Pp. 1-12. DOI: 10.1177/20539517188205
15. Боровская М.А., Масыч М.А., Федосова Т.В. Резервы роста производительности труда в условиях цифровой трансформации // Terra Economicus. 2020. Т. 18, № 4. С. 47-66. DOI: 10.18522/2073-6606-2020-18-4-47-66 EDN: GZBIDR
16. Миролюбова Т.В., Карлина Т.В., Николаев Р.С. Цифровая экономика: проблемы идентификации и измерений в региональной экономике // Экономика региона. 2020. Т. 16, Вып. 2. С. 377-390. DOI: 10.17059/2020-2-4 EDN: SVVOXF
17. Крамин Т.В., Климанова А.Р. Развитие цифровой инфраструктуры в регионах России // Terra Economicus. 2019. Т. 17, № 2. С. 60-76. 10.23683/2073 6606-2019-17-2-60-76. DOI: 10.23683/20736606-2019-17-2-60-76 EDN: WSCVCW
18. Novikova N.V., Strogonova E.V. Regional aspects of studying the digital economy in the system of economic growth drivers // Journal of New Economy. 2020. Vol. 21, No. 2. Pp. 76-93. DOI: 10.29141/2658-5081-2020-21-2-5 EDN: FYTRUQ
19. Наумов И.В., Дубровская Ю.В., Козоногова Е.В. Цифровизация промышленного производства в регионах России: пространственные взаимосвязи // Экономика региона. 2020. Т. 16, вып. 3. С. 896-910. DOI: 10.17059/ekon.reg.2020-3-17 EDN: QLOOMF
20. Миролюбова Т.В., Радионова М.В. Цифровая трансформация и ее влияние на социально-экономическое развитие российских регионов // Экономика региона. 2023. Т. 19, вып. 3. С. 697-710. DOI: 10.17059/ekon.reg.2023-3-7 EDN: SZWEIP
21. Аузан А.А. Цифровая экономика как экономика: институциональные тренды // Вестник Московского университета. Серия 6. Экономика. 2019. Т. 6, № 6. С. 12-19. DOI: 10.38050/01300105201963 EDN: HVLXUW
22. Юдина Т.Н., Лемещенко П.С., Купчишина Е.В. Особенности новых институтов в цифровой экономике (цифровое доверие, кибер-, информационная и цифровая экономическая безопасность, искусственный интеллект) // Journal of Institutional Studies. 2022. Т. 14, № 3. С. 31-45. DOI: 10.17835/2076-6297.2022.14.3.031-045 EDN: SQVUWJ
23. Akberdina V., Kalinina A., Vlasov A. Transformation stages of the Russian industrial complex in the context of economy digitization // Problems and Perspectives in Management. 2018. Vol. 16, Issue 4. Pp. 201-211. DOI: 10.21511/ppm.l6(4).2018.17 EDN: RUQDSU
24. Kravchenko N., Goryushkin A., Ivanova A., Khalimova S., Kuznetsova S., Yusupova A. Determinants of growth of small high-tech companies in transition economies // Model Assisted Statistics and Applications. 2017. Vol. 12, No. 4. Pp. 399-412. DOI: 10.3233/MAS-170407 EDN: XXMTCH
25. Chang Q., Wu M., Zhang L. Endogenous growth and human capital accumulation in a data economy // Structural Change and Economic Dynamics. 2024. Vol. 69. Pp. 298-312. DOI: 10.1016/j.strueco.2023.12.015 EDN: CLXBGA
26. Zhang W., Zhao S., Wan X., Yao Y. Study on the effect of digital economy on high-quality economic development in China // PLoS ONE. 2021. Vol. 16, Issue 9. e0257365. DOI: 10.1371/journal.pone.0257365 EDN: XNOTIF
27. Li Y. The Influence of the Development of Digital Economy on the Upgrading of China’s Industrial Structure // E3S Web of Conferences. 2021. Vol. 235. 03062. DOI: 10.1051/e3sconf/202123503062 EDN: RHVOFM
28. Cong L.W., Wei W., Xie D., Zhang L. Endogenous growth under multiple uses of data // Journal of Economic Dynamics and Control. 2022. Vol. 141. 104395. DOI: 10.1016/j.jedc.2022.104395 EDN: EYVCLL
29. Xie D., Zhang L. A Generalized Model of Growth in the Data Economy. SSRN. 2022. DOI: 10.2139/ssrn.4033576
30. Sestinoa A., Kahlawib A., Mauro A. Decoding the data economy: a literature review of its impact on business, society and digital transformation // European Journal of Innovation Management. 2023. DOI: 10.1108/EJIM-01-2023-0078
31. Fainmesser I.P., Galeotti A., Momot R. Digital privacy // Management Science. 2022. Vol. 69, No. 6. Pp. 3157-3758. DOI: 10.1287/mnsc.2022.4513 EDN: OIKPWY
32. Abbas A.E., Agahari W., van de Ven M., Zuiderwijk A., de Reuver M. Business data sharing through data marketplaces: a systematic literature review // Journal of Theoretical and Applied Electronic Commerce Research. 2021. Vol. 16, Issue 7. Pp. 3321-3339. DOI: 10.3390/jtaer16070180 EDN: EJEBAL
33. Santoro G., Bresciani S., Thrassou A., Bresciani S., Giudice M.D. Do Knowledge Management and Dynamic Capabilities Affect Ambidextrous Entrepreneurial Intensity and Firms’ Performance? // IEEE Transactions on Engineering Management. 2021. Vol. 68, Issue 2. Pp. 378-386. DOI: 10.1109/TEM.2019.2907874 EDN: UWJJWV
34. Elia G., Polimeno G., Solazzo G., Passiante G. A multi-dimension framework for value creation through Big Data // Industrial Marketing Management. 2020. Vol. 90. Pp. 617-632. DOI: 10.1016/j.indmarman.2020.03.015 EDN: FCJQUU
35. Marjanovic O. A novel mechanism for business analytics value creation: improvement of knowledge-intensive business processes // Journal of Knowledge Management. 2022. Vol. 26, Issue 1. Pp. 17-44. DOI: 10.1108/JKM-09-2020-0669 EDN: HGUTSU
36. Billon M., Marco R., Lera-López F. Disparities in ICT adoption: A multidimensional approach to study the cross-country digital divide // Telecommunications Policy. 2009. Vol. 33, Issues 10-11. Pp. 596-610. DOI: 10.1016/j.telpol.2009.08.006
37. Billon M., Lera-Lopez F., Marco R. ICT use by households and firms in the EU: links and determinants from a multivariate perspective // Review of World Economics. 2016. Vol. 152, Issue 4. Pp. 629-654. DOI: 10.1007/s10290-016-0259-8 EDN: OLGANN
38. Hu X., Jiang Y., Guo P., Li M. How does China’s big data policy affect the digital economy of cities? Evidence from national big data comprehensive pilot zones // Heliyon. 2024. Vol. 10. e24638. DOI: 10.1016/j.heliyon.2024.e24638 EDN: IAYFQY
39. Griliches Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth // The Bell Journal of Economics. 1979. Vol. 10, No. 1. Pp. 92-116. DOI: 10.2307/3003321
40. Xiong M., Zhang F., Zhang H., Wang H. Digital economy, credit expansion, and modernization of industrial structure in China // Finance Research Letters. 2023. Vol. 58, Part C. 104500. DOI: 10.1016/j.frl.2023.104500 EDN: YMHWVK
41. Demidova O. Convergence of Russian Regions: Different Patterns for Poor, Middle and Rich // Economy of Regions. 2021. Vol. 17, No. 4. Pp. 1151-1165. DOI: 10.17059/ekon.reg.2021-4-8 EDN: YWIHDC
Выпуск
Другие статьи выпуска
Роботизация и автоматизация различных отраслей экономики представляют собой один из главных технологических трендов последнего десятилетия. При этом роль роботизации в прохождении компаниями коронакризиса 2020 г. к настоящему моменту изучена далеко не в полной мере, тогда как в отношении влияния роботов на успешность функционирования компаний в условиях санкционного шока 2022 г. эмпирические исследования пока отсутствуют вовсе. Статья посвящена анализу факторов и эффектов роботизации российских компаний обрабатывающей промышленности в условиях шоков последних лет. Авторами сформулированы три гипотезы для эмпирической проверки: 1) в ковидный и постковидный период роботизация была более характерна для крупного бизнеса, чем для малых и средних фирм; 2) для фирм, использовавших роботов, было характерно более успешное функционирование в 2020 г.; 3) роботизированные фирмы более успешно функционировали в условиях санкций 2022 г. Суть исследовательского подхода заключается в эмпирическом анализе (посредством регрессионного моделирования) данных опроса руководителей 1,9 тыс. российских компаний обрабатывающей промышленности, проведенного во второй половине 2022 г. Авторами обнаружена значимая положительная связь между внедрением роботов после 2019 г. и крупным масштабом бизнеса. Показано, что в условиях коронакризиса роботизация являлась фактором сохранения занятости. Также выявлена положительная связь между успешностью прохождения компаниями ковидного и санкционного шоков и использованием ими импортного оборудования. Теоретическая значимость работы обусловлена полученными новыми знаниями о факторах роботизации российских фирм в ковидный и постковидный период, а также об особенностях их адаптации к шокам 2020 и 2022 гг. Практическую значимость имеют прежде всего полученные авторами свидетельства усиления «цифрового разрыва» между малым и средним бизнесом и крупными компаниями, а также значимости использования импорта инвестиционной продукции для устойчивого функционирования российских фирм.
Актуальность исследования обуславливается усилением цифровизации, необходимостью в модернизации и изменениях во всех направлениях деятельности университетов. Это в свою очередь приводит к появлению рисковых событий и к острой необходимости внедрения системы внутреннего контроля, ее улучшению и осуществлению оценки ее эффективной работы. Цель статьи в разработке инструментария оценки эффективности системы внутреннего контроля университетов России на основе регрессионного анализа. Гипотезы статьи заключаются, во-первых, в нахождении тесной корреляционной зависимости всех независимых показателей, отражающих основные аспекты деятельности университетов России, от зависимой переменной. Во-вторых, в предположении о корреляционной зависимости между результирующими и объясняющими переменными, географическим положением собранных данных, их влиянии на полученные модели. В-третьих, в отсутствии влияния показателя, характеризующего год собранного наблюдения и наименования объекта на точность полученных моделей. В ходе исследования было собрано пятнадцать объясняющих переменных и одна результирующая переменная, характеризующая доходы от всех источников вузов. Объектом исследования выступают университеты России, за исключением филиалов. Информационной базой данного исследования являются результаты мониторинга деятельности университетов России за 2018-2022 гг. по 3 264 наблюдениям, из которых была сформирована генеральная совокупность из 405 сбалансированных наблюдений. При помощи применения метода по сбору данных - парсинг, а также методов оценки панельных данных и качества полученных выборок и методов расчета моделей и стандартных ошибок, были сформированы три регрессионные модели, характеризующие влияние независимых переменных на зависимую. В результате исследования был сформирован инструментарий для оценки эффективности системы внутреннего контроля университетов России. Большинство показателей имеют сильное влияние на результирующую переменную, тесно коррелируют с географическим положением. При этом три показателя не вошли в исходную регрессионную модель, так как были мультиколлинеарны с объясняющими показателями. Таким образом, только одна из трех гипотез подтвердилась полностью.
Спрос на услуги государственных и частных медицинских организаций формируется через принятие решений потребителями в двух ситуациях выбора: обратиться или не обратиться за медицинской помощью и в какое медицинское учреждение обратиться. Теоретические предпосылки предполагают, что выбор в этих ситуациях происходит последовательно и объясняется поведенческой моделью Андерсена. Это исследование тестирует данные теоретические предпосылки с помощью трёх эконометрических подходов на данных российского национального мониторинга общественного здоровья 2022 г.: 1) отдельных пробит-регрессий для каждой ситуации выбора, 2) пробит-регрессии, учитывающей смещение выборки (sample selection probit), и 3) модели с группировкой (nested logit). Наиболее информативным подходом оказалась nested логит-модель, которая подтвердила актуальность характеристик стороны спроса - факторов модели Андерсена - социально-демографических характеристик потребителей, их занятости и доходов, их состояния здоровья. Мужской пол, возраст и проблемы со здоровьем оказались связанными с уменьшением вероятности обращений за медицинской помощью и выбора частных клиник. Наличие брака, высокого уровня образования, занятости, средних или высоких ежемесячных доходов и проживание в более крупных городах были связаны с увеличением вероятности обращений за медицинской помощью и выбора частных клиник для её получения. Проверка результатов модели на устойчивость учла сторону предложения через доступность медицинских учреждений в российских населённых пунктах. Несмотря на различия в доступности государственных и частных медицинских организаций тенденции в поведении потребителей оказались одинаковыми. Автор предлагает расширить практику применения nested логит-модели для анализа поведения потребителей медицинских услуг на данных по России и другим странам. Рекомендации для повышения эффективности функционирования российской системы здравоохранения и снижения неравенства в её использовании разными группами пациентов включают в себя трансформирование отношения россиян к собственному здоровью, помимо развития доступности медицинской помощи.
Финансовая стабильность банковского сектора является индикатором «экономического здоровья» на национальном и глобальном уровнях. Ухудшение финансовой устойчивости банков является причиной финансовых кризисов, нарушающих нормальное функционирование экономических систем. На тактическом уровне банковского менеджмента, где ключевую роль играет система мониторинга и прогнозирования рисков, особую актуальность приобретает совершенствование инструментария ранней диагностики финансовых проблем. Целью исследования является изучение особенностей влияния ряда внутрибанковских факторов на риск потери финансовой устойчивости российских банков. Гипотезы исследования: 1) наиболее значимыми предикторами риска финансовой несостоятельности банка являются рентабельность активов и просроченная задолженность по кредитам; 2) степень влияния факторов устойчивости отличается для средне- и долгосрочных горизонтов прогнозирования финансового риска. Авторами разработаны многомерные логит-модели оценки вероятности потери финансовой устойчивости банка на 6 и 12 месяцев на основе четырех независимых переменных: норматива достаточности собственного капитала, коэффициента просроченной задолженности свыше 90 дней, рентабельности активов, норматива текущей ликвидности. В результате выявлено, что рост рентабельности активов оказывает существенное положительное влияние на финансовую устойчивость, а увеличение доли просроченной задолженности оказывает существенное отрицательное влияние на «финансовый иммунитет» коммерческих банков. Установлено, что для средне- и долгосрочных прогнозных периодов влияние факторов финансовой стабильности различно: в течение 6 месяцев рентабельность активов является более релевантным фактором, а уровень просроченных кредитов демонстрирует более высокую значимость для горизонта 12 месяцев. Теоретическая значимость полученных результатов заключается в расширении научных представлений о специфике влияния различных факторов на финансовую устойчивость банков. Практическая значимость состоит в том, что предложенные эконометрические модели и выводы могут быть полезны коммерческим банкам при разработке алгоритмов финансового анализа и прогнозирования.
В условиях финансовой глобализации наблюдается передача глобальной турбулентности между различными рынками, что увеличивает общую финансовую нестабильность. Целью исследования является идентификация финансового заражения рынка биржевых товаров от рынка фондовых активов в 20-х гг. XX в. Гипотеза исследования - заражение проявляется в период пандемических шоков 2020-2021 гг. и новых санкционных шоков 2022-2023 гг. На основе данных за 2016-2023 гг. о межсессионной среднедневной доходности глобального индекса S&P GLOBAL 100 и фьючерсов 22 биржевых товаров строятся DCC GARCH модели. Существенное увеличение динамических условных корреляций тестируемых пар биржевых товаров с биржевым индексом в период воздействия внешних шоков расценивается как потенциальное заражение. Окончательный вывод о наличии или отсутствии заражения делается на основе динамического теста Стьюдента о равенстве корреляций в дошоковом периоде и в скользящем окне внутри шокового и межшокового периодов. В результате проведенного исследования подтверждено разное по силе и продолжительности заражение рынков 22 биржевых товаров от фондового рынка как в период пандемического, так и новых санкционных шоков. Доказано, что наибольшему заражению в рассматриваемом периоде подвергся рынок металлов, особенно рынок золота. Медь и цинк оказались демпферами риска в период новых санкций. Среди продовольственных товаров наибольшую склонность к заражению продемонстрировал рынок сахара, однако в период относительной стабильности он доказал способность гасить системные риски. Ряд сельскохозяйственных товаров (например, соевые бобы и продукты из сои, кукуруза, пшеница), а также нефть марки Brent показали относительную устойчивость к заражению и рекомендованы как инструменты хеджирования. Результаты и выводы исследования могут быть полезными инвесторам при управлении оптимальными портфелями, а государству при корректировке антикризисной финансовой политики в период воздействия внешних шоков.
Международные экономические санкции в отношении России направлены на блокировку такого жизненно важного явления, как эффект масштаба. В связи с этим требуется изыскивать внутренние резервы проявления этого эффекта и использовать для одновременного стимулирования экономического роста и технологического прогресса. Цель статьи состоит в разработке инструментария, позволяющего идентифицировать эффект масштаба для любых отраслей и регионов Российской Федерации для выявления наиболее перспективных территориально-отраслевых кластеров, вложения в которые способны дать максимальную отдачу в части роста эффективности производства. Данная цель предопределила генеральную гипотезу исследования, в соответствии с которой в регионально-отраслевых производственных комплексах российской экономики существуют значительные (количественные и качественные) различия с точки зрения наличия в них эффекта масштаба. Апробация предложенного метода осуществлена путем построения универсальных эконометрических зависимостей для аграрного сектора в 82 регионах России. Полученные количественные результаты эластичности производительности труда по объему производства позволили подтвердить генеральную гипотезу исследования и картографировать сельское хозяйство страны на более и менее перспективные регионы. Использование, помимо эффекта масштаба дополнительного фактора - достигнутого технологического уровня региона относительно среднего по стране, - позволило оценить возможный структурный эффект от инвестиционных вливаний в региональный кластер предприятий, уточнить прикладные расчеты и осуществить отбор 22 наиболее перспективных субъектов РФ, из которых семь регионов способны стать технологическим драйвером российского аграрного сектора экономики. Данные расчеты позволили нарисовать карту наиболее перспективных отраслевых кластеров России. Обсуждается вопрос организации заимствования передовых аграрных технологий внутри страны - от передовых регионов и предприятий к отстающим. Установлена обратная зависимость между достигнутым технологическим уровнем предприятий и величиной эффекта масштаба, что свидетельствует о постепенном исчерпании данного эффекта по мере технологического прогресса. Обосновывается свойство устойчивости и универсальности эффекта масштаба, необходимое для прикладных исследований в высокотехнологичных отраслях экономики России.
Исследование посвящено проблеме дифференциации доходов населения регионов России. Целью работы является разработка методики анализа процессов дифференциации доходов населения регионов России на базе теории динамических систем и машинного обучения, а также ее апробация на фактическом аналитическом материале. Гипотеза исследования заключается в предположении одновременного сосуществования процессов конвергенции и дивергенции дифференциации доходов населения регионов России, зависящих от внешних и внутренних факторов. Указанные процессы являются объектом исследования. Информационной базой исследования являются данные Росстата о значениях индекса Джини 80 регионов за период с 1995 по 2018 г. Для построения экспериментальных траекторий помимо индекса Джини использованы две независимые динамические переменные - его первая и вторая производные по времени, что позволило построить три различных пространства состояний (от одномерного до трехмерного). Методом кластеризации «k-средних» всё наблюдавшееся множество состояний было разделено на пять кластеров, количество которых было предварительно определено тестом «на осыпь» («метод локтя»). В результате расчетов было доказано преобладание конвергентных процессов над дивергентными в течение исследованного периода. Было обнаружено, что индивидуальные траектории движения отдельных регионов в пространстве состояний существенно отличаются: траектории некоторых регионов могут быть локализованы в пределах только одного кластера, тогда как отдельные части траекторий других могут принадлежать одновременно нескольким кластерам. Подавляющее большинство траекторий расположены в пределах 2-3 кластеров. Теоретическая значимость полученных результатов заключается в углублении представлений о региональной специфике динамики изменений дифференциации доходов населения субъектов Федерации. Практическая значимость результатов исследования заключается в расширении инструментальной поддержки принятия решений при реализации государственной политики в сфере регулирования дифференциации доходов населения на региональном уровне.
Строительство объектов недвижимости самого широкого назначения вызывает необходимость создания новой инфраструктуры. Экстенсивное развитие коммунальной инфраструктуры обеспечивается в том числе за счет средств застройщиков в рамках модели платы за подключение. В данной работе показано, что существующая методология платы за подключение к системам водоснабжения и водоотведения содержит существенный недостаток в виде создания множества дублирующих друг друга сетей вместо строительства одной общей транзитной сети. Такой подход приводит к потерям благосостояния как у общества, так и у застройщиков. Цель исследования - обосновать неэффективность подхода в части трассировки сетей, который применяется в методологии платы за подключение к системам водоснабжения и водоотведения с позиций теории общественного благосостояния. Научная гипотеза состоит в том, что создание транзитной сети большого диаметра на перспективу оказывается менее затратным, чем множества отдельных участков распределительных сетей меньшего диаметра. С целью доказательства данного положения оценивается стоимость строительства и обслуживания сетей в данных двух подходах, с этой целью проанализировано 118 тарифных решений по 85 региональным столицам. Данные для оценки взяты как средняя значений размера тарифов на подключение за единицу длины сети соответствующего диаметра за 2022 г. Дополнительно оценен потенциал повышения эффективности использования земельных участков в каждом из двух подходов. По результатам исследования продемонстрировано, что сбор с застройщика, предполагающий создание общих транзитных сетей, оказывается более предпочтителен для всех участников подключения. Это означает, что совокупность издержек в рамках локальных оптимумов (для каждого объекта капитального строительства) будет выше, чем в случае одного глобального оптимума по территории в целом, то есть второй случай можно назвать наиболее подчиненным общественным интересам. Теоретическая значимость проведенной работы состоит в графическом обосновании необходимости применения сборов с застройщиков при развитии инфраструктуры. Практическая значимость работы заключается в обосновании строительства морфологически правильной структуры сетевого хозяйства.
В современных условиях ограничений спорт продолжает сталкиваться с нехваткой финансирования и часто воспринимается как отрасль, без поддержки которой можно обойтись. Между тем в многочисленных исследованиях доказано, что спорт не только требует существенных вложений, но и формирует целый ряд экономических эффектов. Цель настоящей работы - рассмотреть такой специфичный драйвер экономических эффектов как дизайн турнира и оценить соответствующие эффекты на примере Российской Премьер-лиги (РПЛ). Гипотеза исследования заключается в том, что изменение дизайна турнира РПЛ приводит к росту общей выручки команд-участниц, увеличению объемов потребления в городах проведения матчей и снижению выбросов парниковых газов, что в совокупности формирует основу для идентификации экономических эффектов на уровне страны в целом и для отдельных регионов. В работе рассмотрены три сценария проведения реформ, которые отличаются сделанными допущениями. Авторами разработана расчетная модель, позволяющая количественно оценить экономические эффекты от проведения данных реформ. Основными триггерами является посещаемость матчей РПЛ и ее производные (число гостевых болельщиков, транспортное плечо, пройденное гостевыми болельщиками), а также монетарные метрики: стоимость билетов, стоимость поездки, стоимость углеродной единицы. Эффект от проведения реформы рассчитывается как разница между показателями, достигаемыми в текущем дизайне турнира, и в потенциальных сценариях. Исследование показало, что текущий дизайн РПЛ обладает значительным потенциалом в части экономических эффектов. Так, реализация реформы «Оптимум», которая не требует поиска дополнительных календарных резервов, создаст положительный экономический эффект в размере 479 млн руб. При поиске дополнительных календарных возможностей и реализации сценария «Максимум» эффект составит 932 млн руб. Данное исследование может быть полезно для специалистов по организации спортивных соревнований, руководителей региональных и муниципальных органов власти, а также спортивных лиг и федераций.
Субъективное благополучие выступает важным ориентиром государственной социально-экономической политики, однако влияние капитала здоровья и уровня удовлетворенности различными аспектами жизни на данный фактор недостаточно изучено. Исследование нацелено на выявление роли капитала здоровья как производительного фактора в российской экономике и оценку его влияния на субъективное благополучие занятого населения в России. Методы исследования включают регрессионный анализ с использованием уравнений минсеровского типа. Эмпирической основой стали микроданные Комплексного наблюдения условий жизни населения Росстата, среди которых выделены показатели субъективного благополучия (удовлетворенность качеством инфраструктуры, окружающей средой и работой) и капитала здоровья (самооценка здоровья, возможность вести активную жизнь и наличие хронических заболеваний). Результаты исследования показали, что капитал здоровья положительно влияет на заработки занятого населения России в возрасте от 25 до 60 лет в период с 2011 по 2022 г., в совокупности обеспечивая повышение более чем на 10 %. Субъективное благополучие способствует повышению заработной платы от 22 до 50 %: удовлетворенность качеством доступной инфраструктуры повышает доход на 22-33 %, а удовлетворенность работой - на 23-50 %. В свою очередь, капитал здоровья также оказывает значимое положительное влияние на субъективное благополучие - респонденты, высоко оценивающие свое здоровье, на 1,5-3 % выше оценивают удовлетворенность работой и качество доступной инфраструктуры. Наличие хронической болезни, наоборот, снижает удовлетворенность по этим показателям на 1,5-2 %. Результаты исследования поддерживают теоретические основания капитала здоровья, демонстрируя, что он является производительным фактором на российском рынке труда даже в условиях напряженной геополитической обстановки и санкционного давления. Полученные результаты могут быть использованы для оценки эффективности региональной и корпоративной политики в области управления капиталом здоровья и разработки стратегии достижения субъективного благополучия.
Уровень умышленных убийств представляет собой важнейшую социальную проблему, влияющую на общественную безопасность и социальную стабильность во всей Европе. Понимание социально-экономических факторов, лежащих в основе этих преступлений, имеет первостепенное значение для эффективного политического вмешательства. Данное исследование направлено на изучение социально-экономических детерминант умышленных убийств в 15 европейских странах в период с 2010 по 2021 г., что позволит получить представление о сложной взаимосвязи между экономическими показателями и уровнем насильственных преступлений. В исследовании выдвинута гипотеза о том, что экономическое процветание, государственный долг и доступ к финансовым услугам существенно влияют на уровень умышленных убийств, при этом в странах с более высоким уровнем экономического развития и финансовой доступности наблюдается более низкий уровень убийств. Используя надежные статистические и эконометрические методы, включая регрессионный анализ и корреляционные матрицы, в исследовании изучаются взаимосвязи между различными социально-экономическими показателями и уровнем умышленных убийств. Данные, поступающие от национальных налоговых органов, статистических агентств и международных организаций, были тщательно проанализированы для выявления значимых закономерностей и связей. Полученные результаты показывают убедительную связь между экономическими показателями и уровнем умышленных убийств. Более высокий ВВП на душу населения и более широкий доступ к финансовым услугам коррелируют с более низким уровнем убийств, в то время как повышенный уровень государственного долга демонстрирует отрицательную связь с уровнем убийств. Эти результаты подчеркивают многогранный характер динамики преступности и подчеркивают важность учета более широких социально-экономических факторов для понимания моделей насильственных преступлений. Исследование вносит вклад как в теоретические знания, так и в практическую политику, предлагая понимание социально-экономических детерминант умышленных убийств. Эти выводы могут быть использованы при разработке научно обоснованных политических мер, направленных на укрепление социальной стабильности и общественной безопасности во всей Европе, подчеркивая важность учета основополагающих экономических факторов в стратегиях предупреждения преступности.
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