Летягина Е.Н.кандидат экономических наук, доцент, заведующая кафедрой управления в спорте, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация len@fks.unn.ru https://orcid.org/0000-0002-6539-6988 SPIN-код: 7221-4868
Перова В.И.кандидат физико-математических наук, доцент кафедры математического моделирования экономических процессов, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация perova_vi@mail.ru https://orcid.org/0000-0002-1992-5076 SPIN-код: 3871-2450
Котов Р.М.кандидат экономических наук, доцент кафедры бухгалтерского учета, анализа, аудита и налогообложения, Кемеровский государственный университет (КемГУ), Кемерово, Российская Федерация rmkotov@mail.ru ORCID id: отсутствует SPIN-код: 3447-3926
Предмет. Методические подходы к анализу экономического потенциала регионов c учетом достижения национальной цели устойчивого развития Российской Федерации в условиях больших вызовов. Цели. Исследование динамики развития экономической деятельности в регионах Российской Федерации с помощью методов искусственного интеллекта в целях анализа инновационного развития российской экономики в условиях больших вызовов. Методология. Исследование базируется на анализе динамики показателей развития региональной экономики России. Предложен свободный от модельных ограничений кластерный анализ развития региональной экономики на основе нейросетевого моделирования, что позволило оценить динамику развития и ранжирование регионов Российской Федерации по совокупности рассматриваемых показателей. Среди имеющихся классов нейронных сетей применены нейронные сети – самоорганизующиеся карты Кохонена, которые проявляют себя как перспективное средство кластеризации и визуального воплощения многомерных статистических данных. Результаты. Результатами нейросетевого моделирования явилась сегрегация 85 регионов Российской Федерации по четырем компактным группам, не зависящая от принадлежности регионов к федеральным округам. Оценена значимость каждого показателя при формировании кластеров. Выявлено сильное различение количества регионов в кластерах. При этом некоторые регионы в рассматриваемом периоде входили в состав одного и того же соответствующего кластера. Представлена динамика средних значений исследуемых показателей в кластерах за 2018–2020 гг. Выводы. Исследование показывает несоразмерность экономического развития регионов России, что требует индивидуального подхода к разработке стратегий развития региональных экономик, соответствующих KPI, и мер по стимулированию экономической деятельности в области инноваций, инвестиций и внедрения результатов научных исследований в регионах Российской Федерации. Эти меры окажут поддержку реальному сектору экономики в продвижении его интересов и активизации инновационной, научно-исследовательской, производственной и инвестиционной деятельности, что обусловит устойчивый экономический рост.
Ключевые слова: большие вызовы, устойчивое развитие, кластерный анализ, методы искусственного интеллекта, нейронные сети
Список литературы:
Макаров В.Л., Айвазян С.А., Афанасьев М.Ю. и др. Моделирование развития экономики региона и эффективность пространства инноваций // Форсайт. 2016. Т. 10. № 3. C. 76–90. URL: Link
Клейнер Г.Б., Рыбачук М.А. Системная сбалансированность экономики России: региональный разрез // Экономика региона. 2019. Т. 15. № 2. С. 309–323. URL: Link
Aleskerov F.T., Gokhberg L.M., Egorova L.G. et al. A Method of Static and Dynamic Pattern Analysis of Innovative Development of Russian Regions in the Long Run. In: Batsyn, M., Kalyagin, V., Pardalos, P. (eds) Models, Algorithms and Technologies for Network Analysis. Springer Proceedings in Mathematics & Statistics, 2014, vol. 104. Springer, Cham. URL: Link
Любушин Н.П., Бабичева Н.Э., Лылов А.И., Пуляхин Е.И. Экономический анализ влияния «больших вызовов» на устойчивость и непрерывность деятельности субъектов хозяйствования // Экономический анализ: теория и практика. 2020. Т. 19. Вып. 12. С. 2253–2275. URL: Link
Едронова В.Н. Анализ использования трудовых ресурсов регионов Приволжского федерального округа // Экономический анализ: теория и практика. 2022. Т. 21. Вып. 2. С. 307–328. URL: Link
Любушин Н.П., Летягина Е.Н., Перова В.И. Исследование инновационного развития региональной экономики как императива устойчивого социально-экономического роста России с применением нейросетевого моделирования // Экономический анализ: теория и практика. 2021. Т. 20. Вып. 8. С. 1394–1414. URL: Link
Лаврикова Ю.Г., Андреева Е.Л., Тарасов А.Г., Ратнер А.В. Влияние глобальных экономических вызовов на развитие рынков будущего // Экономика и управление. 2019. № 9. С. 34–42. URL: Link
Валентей С.Д., Бахтизин А.Р., Кольчугина А.В. Готовность региональных экономик к модернизации // Федерализм. 2018. № 2. С. 143–157. URL: Link
Яшин С.Н., Борисов С.А. Методологические подходы к определению рейтинга экономико-инновационного развития промышленных предприятий региона // Вопросы инновационной экономики. 2020. Т. 10. № 2. С. 819–836. URL: Link
Летягина Е.Н., Перова В.И. Нейросетевое моделирование региональных инновационных экосистем // Journal of New Economy. 2021. Т. 22. № 1. С. 71–89. URL: Link
Летягина Е.Н. Управление цифровой трансформацией отраслей, комплексов, предприятий: монография. Н. Новгород: ННГУ им. Н.И. Лобачевского, 2021. 240 с.
Кузнецов Ю.А., Перова В.И., Семиков Д.С. Информационные и коммуникационные технологии как фактор развития цифровой экономики в Российской Федерации // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2017. № 4. С. 38–47. URL: Link
Кабалина М.Ю., Садовникова Н.А. Инновационное развитие России: статистический анализ и модели прогноза: монография. М: Научная библиотека, 2015. 160 с.
Викулов С.Ф., Хрусталёв Е.Ю. Экономические основы военной безопасности России // Национальные интересы: приоритеты и безопасность. 2014. № 7. С. 2–9. URL: Link
Бухвальд Е.М. Институты развития и национальная безопасность Российской Федерации // Развитие и безопасность. 2021. № 1. С. 16–28. URL: Link
Сенчагов В.К., Иванов Е.А. Структура механизма современного мониторинга экономической безопасности России. М.: Институт экономики РАН, 2016. 71 с.
Караваева И.В., Иванов Е.А., Лев М.Ю. Паспортизация и оценка показателей состояния экономической безопасности России // Экономика, предпринимательство и право. 2020. Т. 10. № 8. С. 2179–2198. URL: Link
Глебова О.В., Симонов А.В. Управление экономической безопасностью участников высокотехнологичных проектов разработки и производства продукции двойного и гражданского назначения на основе контрактного подхода // Вопросы инновационной экономики. 2018. Т. 8. № 1. С. 117–128. URL: Link
Митяков С.Н., Лапаев Д.Н., Катаева Л.Ю., Рамазанов С.А. Устойчивое развитие и угрозы экономической безопасности // Экономика и предпринимательство. 2019. № 10. С. 111–114.
Лев М.Ю., Лещенко Ю.Г. Экономическая безопасность в системе здравоохранения в период пандемии COVID-19: ответная реакция государств и финансовых органов // Экономика, предпринимательство и право. 2020. Т. 10. № 6. С. 1857–1884. URL: Link
Перова В.И., Папко А.В. Нейросетевой анализ динамики инвестиционной деятельности регионов Российской Федерации // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2019. № 1. С. 24–32. URL: Link
Ермошина Т.В. Инвестиционное обеспечение инновационной экономики // Вопросы инновационной экономики. 2018. Т. 8. № 1. С. 39–50. URL: Link
Суетина Т.А., Сафина Д.М. Методика оценки экономической эффективности инвестиций во внедрение мероприятий бережливого производства // Российское предпринимательство. 2018. Т. 19. № 10. С. 3085–3094. URL: Link
Мылыхина И.О. Стимулирование высокотехнологичных производств как императив технологического развития отечественной экономики // Вопросы инновационной экономики. 2019. Т. 9. № 4. С. 1469–1478. URL: Link
Фролов В.Г., Павлова А.А. Системные эффекты реализации инновационно-инвестиционно-сбалансированной промышленной политики в условиях цифровой экономики // Экономические отношения. 2019. Т. 9. № 4. С. 2919–2936. URL: Link
Люгер Дж.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. М.: Вильямс, 2005. 864 с.
Неврединов А.Р. Подход к нейросетевому анализу текстовой информации при экономической оценке компаний // Экономический анализ: теория и практика. 2021. Т. 20. № 8. С. 1574–1594. URL: Link
Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
Kohonen T. Self-Organizing Maps. NY., Springer-Verlag, 2001, 317 p.
Балабанов А.С., Стронгина Н.Р. Анализ данных в экономических приложениях. Н. Новгород: ННГУ им. Н.И. Лобачевского, 2004. 135 с.
Алескеров Ф.Т., Гохберг Л.М., Егорова Л.Г. и др. Анализ данных науки, образования и инновационной деятельности с использованием методов анализа паттернов: препринт WP7/2012/07. М.: НИУ ВШЭ, 2012. 68 с. URL: Link
Алескеров Ф.Т., Белоусова В.Ю., Егорова Л.Г., Миркин Б.Г. Анализ паттернов в статике и динамике, часть 1: Обзор литературы и уточнение понятия // Бизнес-информатика. 2013. № 3. С. 3–18. URL: Link
Алескеров Ф.Т., Белоусова В.Ю., Егорова Л.Г., Миркин Б.Г. Анализ паттернов в статике и динамике, часть 2: Примеры применения к анализу социально-экономических процессов // Бизнес-информатика. 2013. № 4. С. 3–20. URL: Link/109343158.html
Davies D.L., Bouldin D.W. A Cluster Separation Measure. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1979, vol. PAMI-1, no. 2, pp. 224–227. URL: Link
