Моделирование системной сбалансированности региональной экономики в условиях неопределенности

   Цель статьи заключается в разработке модели для оценки и анализа системной сбалансированности региональной экономики на основе методологии байесовских интеллектуальных измерений в рамках пространственно-временной классификации экономических систем.

   Методы. В работе использовались методы системного анализа, корреляционного анализа и методология байесовских интеллектуальных измерений, применяемая в условиях неопределенности, неточности и неполноты данных.

   Результаты работы. Разработана расширяемая иерархическая информационная модель региональной экономики, предоставляющая возможность оценить уровень сбалансированности экономических подсистем, составляющими которых являются элементы, характеризуемые результативными признаками – объемами валового регионального продукта по видам экономической деятельности. Применена методика определения норм для результативных признаков в трех вариантах: по среднему, с учетом влияющих факторов и с учетом взвешенных (посредством оценки корреляционных зависимостей) влияющих факторов, характеризующих условия функционирования элементов экономической системы и их неопределенность. Системная сбалансированность определяется посредством коэффициента гармоничности для экономических подсистем 4-х типов с лингвистическими представлениями. На основе данных за 2017–2022 гг. построены модели для 17-ти областей Центрального федерального округа, каждая из которых включает 19 частных и 5 интегральных результативных признаков, а также 55 факторных признаков. Оценены и проанализированы системные сбалансированности региональных экономик областей Центрального федерального округа.

   Выводы. Предложенная модель и методика оценки системной сбалансированности региональной экономики дают возможность адекватно оценить и проанализировать ее состояние в условиях неопределенности и неполноты данных для субъектов Российской Федерации. Выявлено, что при общем снижении некоторых результативных признаков за последний период оценки экономика областей находится в сбалансированном и близком к нормам состоянии, хотя риск потери такого положения достаточно велик.

1. Баскаков С.М. Генезис теории сбалансированности в контексте развития мировой экономической науки // ЭТАП: экономическая теория, анализ, практика. 2019. № 5. С. 83–101. EDN: bqsgym. doi: 10.24411/2071-6435-2019-10114

2. Уханова А.В. Обзор методических подходов к оценке сбалансированности региональной экономики // Human Progress. 2023. Т. 9. № 4. С. 12. EDN: weotuw. doi: 10.34709/IM.194.12

3. Мальцев Ю.Г. Султанов Б.Р. Исследование социо-эколого-экономической сбалансированности регионов РФ // Вестник Алтайской академии экономики и права. 2022. № 6-1. С. 110–115. EDN: bumytj. doi: 10.17513/vaael.2253

4. Одинцов Б.Е., Романов А.Н. Моделирование процесса приведения предприятия в сбалансированное состояние // Управленческие науки. 2016. Т. 6. № 2. С. 101–112. EDN: wdjvld

5. Макаревич Л.О., Улезько А.В. Сбалансированное развитие экономических систем: сущность и принципы обеспечения // Вестник Воронежского государственного аграрного университета. 2018. № 4(59). С. 141–147. EDN: ywqfvz. doi: 10.17238/issn2071-2243.2018.4.141

6. Saadaoui J. Global imbalances: should we use fundamental equilibrium exchange rates? // Economic Modelling. 2015. Vol. 47. P. 383–398. doi: 10.1016/j.econmod.2015.02.007

7. Клейнер Г.Б., Рыбачук М.А. Системная сбалансированность экономики : Монография. М.: ИД «Научная библиотека», 2017. 320 с. EDN: yubnut

8. Kozena M., Striteska M., Svoboda O. Dynamic balanced scorecard: model for sustainable regional development // WSEAS transactions on environment and development. 2011. Vol. 7. Iss. 7. P. 211–221. URL: http://wseas.us/e-library/transactions/environment/2011/54-128.pdf (дата обращения: 21. 01. 2025)

9. Sachs J.D. From millennium development goals to sustainable development goals // Lancet. 2012. Vol. 379. Iss. 9832. P. 2206–2211. doi: 10.1016/S0140-6736(12)60685-0

10. Hirai T., Comim F. Measuring the sustainable development goals: a poset analysis // Ecological Indicators. 2022. Vol. 145. P. 109605. doi: 10.1016/j.ecolind.2022.109605

11. Палаш С.В. Структурная сбалансированность экономики: государственные программы промышленного развития в Российской Федерации // Научно-технические ведомости СПбГПУ. Экономические науки. 2017. Т. 10. № 1. С. 53–72. EDN: ygdckt. doi: 10.18721/JE.10105

12. Ендовицкий Д.А., Бабичева Н.Э., Любушин Н.П. Использование ресурсоориентированного подхода в оценке системной сбалансированности экономики // Экономический анализ: теория и практика. 2018. Т. 17. № 12(483). С. 1298–1309. EDN: xdvocb. doi: 10.24891/ea.17.12.1298

13. Li L., Fan Zh., Feng W., Yuxin Ch., Keyu Q. Coupling coordination degree spatial analysis and driving factor between socio-economic and eco-environment in northern China // Ecological Indicators. 2022. Vol. 135. P. 108555. doi: 10.1016/j.ecolind.2022.108555

14. Гринчель Б.М. Сбалансированность факторов конкурентной привлекательности регионов для гармонизации социальной и экономической сфер и активизации синергии развития // Экономика Северо-Запада: проблемы и перспективы развития. 2022. № 4(71). С. 46–53. EDN: ogfeuh. doi: 10.52897/2411-4588-2022-4-46-53

15. Zhu H., Jiang S., Zhao X. Spatial-temporal evolution and determinants of green economy efficiency: an integrated analytical approach // Sustainable Futures. 2024. Vol. 8. P. 100359. doi: 10.1016/j.sftr.2024.100359

16. Uxó J., Febrero E., Ayala I., Villanueva P. Debt sustainability and policy targets: full employment or structural balance? A simulation for the Spanish economy // Structural Change and Economic Dynamics. 2024. Vol. 69. P. 475–487. doi: 10.1016/j.strueco.2024.03.005

17. Даванков А.Ю., Двинин Д.Ю., Мальцев Ю.Г. Моделирование уровня сбалансированности социо-эколого-экономической системы региона при переходе к альтернативной энергетике // Управление в современных системах. 2021. № 2(30). С. 3–12. EDN: rojnch. doi: 10.24412/2311-1313-30-3-12

18. Управление сбалансированным развитием территориальных систем: вопросы теории и практики : монография / под ред. А.Ю. Даванкова, В.В. Седова, Г.Н. Пряхина, А.Ю. Шумакова. Челябинск: ЧелГУ, 2016. 294 с. EDN: vwwown

19. Клейнер Г.Б., Рыбачук М.А. Системная сбалансированность экономики России: региональный разрез // Экономика региона. 2019. Т. 15. № 2. С. 309–323. EDN: wsplud. doi: 10.17059/2019-2-1

20. Kleiner G.B., Rybachuk M.A., Steblyanskaya A.N. System balance index as an indicator of the Russian gas industry’s sustainable growth // Finance: Theory and Practice. 2021. Vol. 25. Iss. 4. P. 37–47. EDN: fchaid. doi: 10.26794/2587-5671-2021-25-4-37-47

21. Рыбачук М.А. Межуровневая сбалансированность мезоэкономических систем // Экономика и управление: проблемы, решения. 2022. Т. 4. № 10(130). С. 4–11. EDN: obmuxn. doi: 10.36871/ek.up.p.r.2022.10.04.001

22. Гумеров М.Ф. Развитие методов выработки решений в управлении выводом на рынок IT-продукции в современных условиях // Экономика и качество систем связи. 2023. № 3(29). С. 4–13. EDN: gzccrb

23. Щербаков Г.А. Проблемы цикличности в системной экономике // Экономика и управление: проблемы, решения. 2020. Т. 1. № 1. С. 18–24. EDN: yyrann

24. Кулапов М.Н., Журавлев П.В. Новые системные направления в управлении реальным сектором российской мезоэкономики // Современная конкуренция. 2024. Т. 18. № 3(99). С. 96–108. EDN: vlmlgm. doi: 10.37791/2687-0657-2024-18-3-96-108

25. Никонова А.А. Трилемма Кейнса с позиций тетрады Клейнера на фоне катаклизмов в обществе // Russian Journal of Economics and Law. 2022. Т. 16. № 1. С. 5–25. EDN: qoaymj. doi: 10.21202/2782-2923.2022.1.5-25

26. Шамсутдинова М.Р. Картирование регионов как элемент системной сбалансированности экономики регионов // Вестник РГГУ. Серия: Экономика. Управление. Право. 2023. № 4. С. 89–99. EDN: lefnfj. doi: 10.28995/2073-6304-2023-4-89-99

27. Iacopini M., Poon A., Rossini L., Zhu D. Bayesian mixed-frequency quantile vector autoregression: eliciting tail risks of monthly US GDP // Journal of Economic Dynamics and Control. 2023. Vol. 157. P. 104757. doi: 10.1016/j.jedc.2023.104757

28. Canoz I., Kalkavan H. Forecasting the dynamics of the Istanbul real estate market with the Bayesian time-varying VAR model regarding housing affordability // Habitat International. 2024. Vol. 148. P. 103055. doi: 10.1016/j.habitatint.2024.103055

29. Прокопчина С.В. Экосистемные измерения на основе байесовских интеллектуальных технологий // Мягкие измерения и вычисления. 2024. Т. 74. № 1-2. С. 5–13. EDN: ockzvn. doi: 10.36871/2618-9976.2024.01-2.001

30. Куприянов М.С., Холод И.И., Прокопчина С.В. и др. Мягкие вычисления и измерения. Том 5. Методы, информационные технологии и средства интеллектуальной обработки информации в задачах цифровизации : монография. Москва: ИД «Научная библиотека», 2019. 616 с. EDN: ndhmcl