Прогнозирование результативности государственного финансирования исследований и разработок в области энергетических технологий в контексте достижения целей климатической политики
Ратнер С.В.доктор экономических наук, главный научный сотрудник лаборатории экономической динамики и управления инновациями, Института проблем управления им. В.А. Трапезникова РАН (ИПУ РАН), Москва, Российская Федерация lanaratner@ipu.ru https://orcid.org/0000-0003-3485-5595 SPIN-код: 7840-4282
Иосифов В.В.кандидат технических наук, доцент кафедры наземного транспорта и механики, Кубанский государственный технологический университет (КубГТУ), Краснодар, Российская Федерация iosifov_v@mail.ru ORCID id: отсутствует SPIN-код: 3558-0754
Предмет. Исследования и разработки в области «чистых» технологий, их результаты и эффективность финансирования. Цели. Построение модели логистической регрессии, позволяющей по данным о государственном финансировании исследований энергетических технологий спрогнозировать, будет ли снижена углеродоемкость экономики страны в среднесрочном периоде. Результаты. Построена модель логистической регрессии. Обнаружено, что государственное финансирование исследований и разработок углеводородных технологий отрицательным образом сказывается на динамике углеродоемкости страны и повышает вероятность ее роста по сравнению с предыдущими периодами. Выводы. Построенная модель может быть использована на практике для прогнозирования результативности финансирования инноваций в области энергетических технологий в контексте климатической политики. Использованный подход к прогнозированию, основанный на машинном обучении, представляется перспективным, особенно при накоплении достаточно больших объемов статистических данных по структуре финансирования исследований и разработок и углеродоемкости.
Ключевые слова: финансирование исследований и разработок, климатическая политика, логистическая регрессия, прогноз
Список литературы:
Gielen D., Boshell F., Saygin D. et al. The Role of Renewable Energy in the Global Energy Transformation. Energy Strategy Reviews, 2019, vol. 24, pp. 38–50. URL: Link
Fidalgo J.N., Fontes D.B.M.M. Fostering Microgeneration in Power Systems: The Effect of Legislative Limitations. Electric Power Systems Research, 2012, vol. 84, iss. 1, pp. 181–186. URL: Link
Kaygusuz A., Keles C., Alagoz B.B., Karabiber A. Renewable Energy Integration for Smart Sites. Energy and Buildings, 2013, vol. 64, pp. 456–462. URL: Link
Kröger W., Nan C. Chapter 3. Power Systems in Transition – Dealing with Complexity. In: Büscher C., Schippl J., Sumpf P. (eds) Energy as a Sociotechnical Problem: An Interdisciplinary Perspective on Control, Change, and Action in Energy Transitions. London, Routledge, 2018, 38 p.
Østergaard P.A., Duic N., Noorollahi Y., Kalogirou S. Renewable Energy for Sustainable Development. Renewable Energy, 2022, vol. 199, pp. 1145–1152. URL: Link
Lerman L.V., Gerstlberger W., Lima M.F., Frank A.G. How Governments, Universities, and Companies Contribute to Renewable Energy Development? A Municipal Innovation Policy Perspective of the Triple Helix. Energy Research & Social Science, 2021, vol. 71, 101854. URL: Link
Pavez I., Kendall L.D., Laszlo C. Positive-Impact Companies: Toward a New Paradigm of Value Creation. Organizational Dynamics, 2021, vol. 50, iss. 4, 100806. URL: Link
Kühnbach M., Bekk A., Weidlich A. Towards Improved Prosumer Participation: Electricity Trading in Local Markets. Energy, 2022, vol. 239, part E, 122445. URL: Link
Wittmayer J.M., Campos I., Avelino F. et al. Thinking, Doing, Organising: Prefiguring Just and Sustainable Energy Systems via Collective Prosumer Ecosystems in Europe. Energy Research & Social Science, 2022, vol. 86, 102425. URL: Link
Ratner S.V., Balashova S.A., Lychev A.V. The Efficiency of National Innovation Systems in Post-Soviet Countries: DEA-Based Approach. Mathematics, 2022, vol. 10, iss. 19, pp. 3615–3638. URL: Link
Шуйский В.П. Импорт зарубежных технологий как средство ускорения перехода на инновационный путь развития // Российский внешнеэкономический вестник. 2005. № 9. С. 32—40. URL: Link
Pathak S.K., Sharma V., Chougule S.S., Goel V. Prioritization of Barriers to the Development of Renewable Energy Technologies in India Using Integrated Modified Delphi and AHP Method. Sustainable Energy Technologies and Assessments, 2022, vol. 50, 101818. URL: Link
Тырсин А.Н. Логистическая регрессия как диагностическая модель сложных стохастических систем // Обозрение прикладной и промышленной математики. 2016. Т. 23. № 4. С. 391—393.
Первун О.Е. Логистическая регрессия как возможная нейронная сеть // Информационно-компьютерные технологии в экономике, образовании и социальной сфере. 2020. № 4. С. 56—63.
Вараксин А.Н., Шалаумова Ю.В., Константинова Е.Д., Маслакова Т.А. Определение статистических связей между количественной и дихотомической переменными: логистическая регрессия и методы скользящего среднего // Экологические системы и приборы. 2021. № 4. С. 3—9. URL: Link
Красоткина О.В., Турков П.А., Моттль В.В. Байесовская логистическая регрессия в задаче обучения распознаванию образов при смещении решающего правила // Известия Тульского государственного университета. Технические науки. 2013. № 2. С. 177—187. URL: Link
Павлюченко К.И., Панфилов П.Б., Горшков Г.С. Изучение возможностей предиктивной аналитики данных FMCG // Инфокоммуникационные технологии. 2021. Т. 19. № 4. С. 439—454. URL: Link
Плоткина А.А. Использование методов машинного обучения в имущественном страховании // Современная математика и концепции инновационного математического образования. 2019. Т. 6. № 1. С. 260—266. URL: Link
