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
Предмет. Энергоэффективность региональной экономики Российской Федерации и ее влияние на устойчивое развитие страны в условиях больших вызовов. Цели. Решение многомерной задачи анализа развития энергоэффективности экономики регионов России, которая относится к сложно формализуемым задачам и гармонирует с современными требованиями конкурентоустойчивости, с помощью предложенного перспективного метода – кластеризации данных на основании нейросетевого моделирования. Объектами исследования являлись 85 регионов Российской Федерации, аттестуемых 8 показателями, взятыми с сайта Федеральной службы государственной статистики согласно авторскому подходу. Проведен анализ динамики энерговооруженности труда работников промышленных организаций в разрезе федеральных округов РФ и динамики инновационного развития по виду экономической деятельности «обеспечение электрической энергией, газом и паром; кондиционирование воздуха» в Российской Федерации за 2018–2020 гг. Методология. Методом исследования многомерных статистических данных выступает кластерный анализ на базе нейронных сетей, являющихся релевантной составляющей искусственного интеллекта. Инструментарий искусственных нейронных сетей – самоорганизующихся карт Кохонена, используемый в авторском исследовании, свободен от модельной ограниченности и внешнего вмешательства при функционировании нейронной сети, а также позволяет в наглядном виде представить на плоскости результаты кластеризации многомерного пространства данных. Результаты. Результатом кластерного анализа гетерогенных данных является распределение регионов России по восьми кластерным образованиям. При этом проявляется независимость разделения регионов на кластеры – кластерного решения – от их нахождения в составе федеральных округов России. Показано, что рассматриваемые показатели, характеризующие энергоэффективность региональной экономики Российской Федерации, по-разному влияли на создание кластеров. Получена значимая неравномерность распределения регионов России по кластерам: число регионов в кластерах различается более чем в четыре раза. Определен различный уровень энергоэффективности экономики регионов по исследуемым показателям в масштабе кластеров. Это требует применения разных стратегий экономического развития регионов Российской Федерации в фокусе кластерных образований. Выводы. Показано влияние больших вызовов на развитие энергоэффективности экономики России. Полученные результаты свидетельствуют, что в целях исполнения задач по дальнейшему повышению устойчивого поступательного развития экономики Российской Федерации необходимы инновационные организационно-управленческие методы, которые генерируют вектор направленности на эффективное решение актуальных задач, стоящих перед страной.
Ключевые слова: энергоэффективность, энергетическая политика, большие вызовы, кластерный анализ, нейронные сети
Список литературы:
Любушин Н.П., Бабичева Н.Э., Королев Д.С. Экономический анализ возможностей технологического развития России (на примере нанотехнологий) // Экономический анализ: теория и практика. 2012. № 9. С. 2–11. URL: Link
Любушин Н.П., Бабичева Н.Э., Кондрашова Н.В. и др. Экономический анализ устойчивого развития субъектов хозяйствования на основе ресурсоориентированного подхода: монография / под ред. Н.П. Любушина. М.: Русайнс, 2017. 74 с.
Бабаев И.А., Соловьева И.А., Дзюба А.П. Региональные резервы энергоэффективности // Экономика региона. 2013. № 3. С. 180–189. URL: Link
Саенко М.Ю. Энергоэффективность как инновационный фактор социально-экономического развития российской экономики // Теория и практика общественного развития. 2014. № 5. С. 164–166. URL: Link
Летягина Е.Н. Значение энергоэффективности в инновационном развитии России // Вестник Нижегородского университета им. Н.И. Лобачевского. 2011. № 5-2. С. 116–118. URL: Link
Уринсон Я.М., Кожуховский И.С., Сорокин И.С. Реформирование российской электроэнергетики: результаты и нерешенные вопросы // Экономический журнал ВШЭ. 2020. Т. 24. № 3. С. 323–339. URL: Link
Валентей С., Бахтизин А., Кольчугина А. Готовность региональных экономик к модернизации // Федерализм. 2018. № 3. С. 143–157. URL: Link
Летягина Е.Н. Энергетическая отрасль в условиях инновационного развития экономики: монография. М.: Креативная экономика, 2011. 160 с.
Филиппов С.П., Мохина Е.В., Макарова Е.М. и др. Энергоэффективность российской экономики: современное состояние и перспективы // Известия Российской академии наук. Энергетика. 2010. № 4. С. 56–65. URL: Link_ enjergjetika_ran_4-10.pdf?ysclid=ld91hraqgb636915671
Папков Б.В., Илюшин П.В., Куликов А.Л. Надежность и эффективность современного электроснабжения: монография. Н. Новгород: XXI век, 2021. 160 с.
Samarina V.P., Skufina T.P., Baranov S.V. Power Efficiency of Russia’s Economy: Problems of the Estimation and Increasing Directions. Actual Problems of Economics, 2015, no. 11, pp. 127–136.
Перова В.И., Зайцева К.В. Исследование динамики инновационной деятельности регионов России с применением нейросетевого моделирования // Экономический анализ: теория и практика. 2017. Т. 16. Вып. 5. С. 887–901. URL: Link
Di Tollo G., Tanev S., Slim K.M., De March D. Determining the Relationship Between Co-creation and Innovation by Neural Networks. In: Faggini M., Parziale A. (eds) Complexity in Economics: Cutting Edge Research. New Economic Windows. Springer, Cham, 2014, pp. 49–62. URL: Link
Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
Летягина Е.Н., Перова В.И. Нейросетевое моделирование региональных инновационных экосистем // Journal of New Economy. 2021. Т. 22. № 1. С. 71–89. URL: Link
Каллан Р. Основные концепции нейронных сетей. М.: Вильямс, 2003. 288 с.
Kohonen Т. Self-Organized Formation of Topologically Correct Feature Maps. Bio1ogical Cybernetics, vol. 43, iss. 1, pp. 59–69. URL: Link
Kohonen Т. The elf-Organizing Map. Proceedings of the IEEE, 1990, vol. 78, iss. 9, pp. 1464–1480. URL: Link
Kohonen Т., Oja T., Simula O. et al. Engineering Applications of the Self-Organizing Map. Proceedings of the IEEE, 1996, vol. 84, iss. 10, pp. 1358–1384. URL: Link
Hinton G.E., Salakhutdinov R.R. Reducing the Dimensionality of Data with Neural Networks. Science, 2006, vol. 313, no. 5786, pp. 504–507. URL: Link
Peng Lifang, Lai Lingling. A Service Innovation Evaluation Framework for Tourism E-Commerce in China Based on BP Neural Network. Electronic Markets, 2014, vol. 24, iss. 1, pp. 37–46. URL: Link
Sinha S., Singh T.N., Singh V.K., Verma A.K. Epoch Determination for Neural Network by Self-Organized Map (SOM). Computational Geosciences, 2010, vol. 14, iss. 1, pp. 199–206. URL: Link
Carboni O.A., Russu P. Assessing Regional Wellbeing in Italy: An Application of Malmquist – DEA and Self-Organizing Map Neural Clustering. Social Indicators Research, 2015, vol. 122, iss. 3, pp. 677–700. URL: Link
Перова В.И., Незнакомцева О.Ю. Исследование динамики социально-экономического развития регионов Российской Федерации // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2016. № 4. С. 44–51. URL: Link
Aleskerov F., Egorova L., Gokhberg L. 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, vol. 104. Springer, Cham, 2014. URL: Link
Kraufman L., Rousseeuw P. Finding Groups in Data: An Introduction to Cluster Analysis. NY, John Wiley & Sons, 2005, 342 p.
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
Головнин М.Ю. Влияние пандемии COVID-19 на мировую финансовую систему // Научные труды Вольного экономического общества России. 2021. Т. 230. № 4. С. 252–258. URL: Link
Митяков С.Н. Влияние коронакризиса на экономическую безопасность России // Развитие и безопасность. 2020. № 4. С. 4–16.
Brown R., Cowling M. The Geographical Impact of the COVID-19 Crisis on Precautionary Savings, Firm Survival and Jobs: Evidence from the United Kingdom’s 100 Largest Towns and Cities. International Small Business Journal: Researching Entrepreneurship, 2021, vol. 39, iss. 4. URL: Link
Сенчагов В.К., Иванов Е.А. Структура механизма современного мониторинга экономической безопасности России. М.: Институт экономики РАН, 2016. 71 с. URL: Link
Ускова Т.В. Ключевые угрозы экономической безопасности России // Проблемы развития территории. 2019. № 1. С. 7–16. URL: Link
Ильин В.А., Ускова Т.В., Гулин К.А. Экономическая безопасность регионов и механизмы ее повышения // Модернизация и экономическая безопасность России: Т. 2 / под ред. акад. Н.Я. Петракова. М.; СПб.: Нестор-История, 2011. С. 122–162.
Городецкий А.Е. Экономическая безопасность России: новая стратегия в новых реалиях // Проблемы теории и практики управления. 2018. № 1. С. 8–23. URL: Link
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
Макаров В.Л., Айвазян С.А., Афанасьев М.Ю. и др. Моделирование развития экономики региона и эффективность пространства инноваций // Форсайт. 2016. Т. 10. № 3. С. 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
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
Киселева О.Н. Формирование сбалансированной стратегии инновационного развития предприятий России на основе организационно-управленческих инноваций // Инновации и инвестиции. 2017. № 12. С. 279–283. URL: Link
