Малкина М.Ю.доктор экономических наук, профессор кафедры экономической теории и методологии, главный научный сотрудник, заведующая научно-исследовательской лабораторией Центра макро- и микроэкономики Института экономики, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация mmuri@yandex.ru https://orcid.org/0000-0002-3152-3934 SPIN-код: 5055-0218
Плехова Ю.О.доктор экономических наук, профессор, директор Института экономики, заведующая кафедрой экономики предприятий и организаций, главный научный сотрудник научно-исследовательской лаборатории Центра макро- и микроэкономики Института экономики, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация y.plekhova@unn.ru https://orcid.org/0000-0003-3955-517X SPIN-код: 4024-8765
Перова В.И.кандидат физико-математических наук, доцент кафедры математического моделирования экономических процессов Института экономики, старший научный сотрудник научно-исследовательской лаборатории Центра макро- и микроэкономики Института экономики, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация perova_vi@mail.ru https://orcid.org/0000-0002-1992-5076 SPIN-код: 3871-2450
Сочков А.Л.кандидат технических наук, доцент кафедры информационных технологий и инструментальных методов в экономике Института экономики, старший научный сотрудник кафедры бухгалтерского учета, старший научный сотрудник научно-исследовательской лаборатории Центра макро- и микроэкономики Института экономики, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация sochkov@iee.unn.ru https://orcid.org/0000-0001-8389-9493 SPIN-код: 3816-4532
Предмет. Влияние отраслевой структуры экономик российских регионов на уровень их экономического, инновационного и цифрового развития
с точки зрения достижения национальной цели «Технологическое лидерство» и обеспечения экономической безопасности страны. Цели. Проведение кластеризации российских регионов с использованием методов искусственного интеллекта на основе данных официальной статистики о доле укрупненных отраслей в ВРП региона и масштабе экономики региона; установление связи выявленных кластерных образований со средними (для входящих в них регионов) показателями экономического развития, инновационной и цифровой активности. Методология. Кластерный анализ проводился с применением нового перспективного методологического подхода – метода машинного обучения, составляющего одну из значимых частей искусственного интеллекта. Сравнивались результаты двух основных процедур кластеризации: иерархического кластерного анализа и метода К-средних. С помощью критерия индекса силуэта установлено, что лучший результат показал метод К-средних, который распределил субъекты РФ на семь кластеров. Проведен отбор частных показателей для оценки уровня экономического развития, инновационной и цифровой активности в кластерах. Рейтинги регионов по трем группам показателей формировались с использованием методов нормирования (метода Z-счета) и агрегирования частных показателей. Результаты. Определена архитектура каждого кластерного образования, рассчитаны средние значения рассматриваемых индикаторов в кластерах. Шесть из семи выявленных кластеров имеют ярко выраженную отраслевую специализацию: сельское хозяйство, охота и рыболовство; добыча полезных ископаемых; обрабатывающие производства, обеспечение энергией, паром и водой; строительство и деятельность по операциям с недвижимостью; торговля, транспортировка и хранение; госуправление, военное и социальное обеспечение. Седьмой кластер оказался наиболее диверсифицированным, его отраслевая структура близка к отраслевой структуре российской экономики в целом. По каждой группе показателей развития (экономического, инновационного, цифрового) выявлены кластеры-лидеры и кластеры-аутсайдеры. Лидером общего рейтинга оказался кластер, в который вошли два столичных мегаполиса. Выводы. Показано применение перспективного подхода к исследованию отраслевой структуры в субъектах Российской Федерации, основанного на машинном обучении и методах искусственного интеллекта. Подтверждена гипотеза о связи отраслевой структуры экономик российских регионов с уровнем их экономического развития, инновационной и цифровой активности. Полученные результаты кластеризации можно использовать при формировании цифровых двойников регионов Российской Федерации для установления их общих характеристик развития и прогнозирования социально-экономических показателей.
Warwick K.Перова В.И., Плехова Ю.О. Методы искусственного интеллекта в исследовании экономической деятельности субъектов Российской Федерации в контексте усиления технологического лидерства страны // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2024. № 3. С. 42–49. URL: Link
Малкина М.Ю. Промышленность российских регионов в условиях новых антироссийских санкций // Пространственная экономика. 2024. № 3. С. 39–66. URL: Link
Malkina M.Yu. How Change in Industry Mix Can Improve the Financial Performance of Regional Economies: Evidence from the Portfolio Approach. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 2019, vol. 67, iss. 6, pp. 1561–1575. URL: Link
Митяков С.Н., Корнилов Д.А., Митякова О.И., Рамазанов С.А. Актуальные вопросы экономической безопасности отраслей народного хозяйства // Инновации и инвестиции. 2021. № 2. С. 225–229. URL: Link
Трифонов Ю.В., Сочков А.Л., Соловьев А.Е. Оценка экономического потенциала регионов РФ на основе методологии нейросетевого кластерного анализа // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2021. № 3. С. 38–47. URL: Link
otsenka-ekonomicheskogo-potentsiala-regionov-rf-na-osnove-metodologii-neyrosetevogo-klasternogo-analiza
Аверьянов А.О., Гуртов В.А., Шабаева С.В. Отраслевой аспект кадрового обеспечения стратегического развития сферы искусственного интеллекта // Экономика промышленности. 2024. Т. 17. № 3. С. 279–290. URL: Link
Квинт В.Л., Новикова И.В., Алимурадов М.К., Сасаев Н.И. Стратегирование технологического суверенитета национальной экономики // Управленческое консультирование. 2022. № 9. С. 57–67. URL: Link
Новикова И.В. Стратегирование развития трудовых ресурсов: основные элементы и этапы // Стратегирование: теория и практика. 2021. Т. 1. № 1. С. 57–65. URL: Link
Стрелкова Л.В., Кабанов С.С. Технологическое развитие отраслей промышленности: оценка и перспективы // Вестник Нижегородского университета им. Н.И. Лобачевского. 2012. № 2. С. 247–251. URL: Link
Трофимов О.В., Ганин А.Н. Концептуальные основы модернизации предприятий радиоэлектронной промышленности в современных условиях // Российское предпринимательство. 2018. Т. 19. № 12. С. 3787–3798. URL: Link
Когденко В.Г. Методика оценки индикаторов технологического развития отрасли на примере электронной промышленности // Экономический анализ: теория и практика. 2024. Т. 23. Вып. 10. С. 1810–1835.
URL: Link
Трофимов О.В., Фролов В.Г., Климова Е.З. Анализ особенностей развития высокотехнологичных предприятий промышленности в экономике Нижегородской области // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2021. Т. 61. № 1. С. 33–38. URL: Link
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
Земцов С., Чепуренко А., Михайлов А. Вызовы пандемии для технологических стартапов в регионах России // Форсайт. 2021. Т. 15. № 4. C. 61–77. URL: Link
Земцов С.П. Новые технологии и развитие регионов в современных условиях // Журнал Новой экономической ассоциации. 2021. № 3. С. 196–207. URL: Link
Никитин Г.С., Скобелев Д.О. Эффективность государственных и корпоративных инвестиций в развитие реального сектора экономики // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2022. № 4. С. 32–41. URL: Link
Фролов В.Г., Перова В.И. Анализ инновационно-инвестиционной сбалансированности промышленной политики России в условиях цифровой трансформации с применением методов искусственного интеллекта // Вопросы инновационной экономики. 2023. Т. 13. № 1. С. 127–148. URL: Link
Хрусталев Е.Ю., Шрамко О.Г. Использование метода нейронных сетей для прогнозирования эффективности инвестиционных вложений // Экономический анализ: теория и практика. 2017. Т. 16. Вып. 8. С. 1438–1454. URL: Link
Кетова К.В., Касаткина Е.В., Вавилова Д.Д. Кластеризация регионов Российской Федерации по уровню социально-экономического развития с использованием методов машинного обучения // Экономические и социальные перемены: факты, тенденции, прогноз. 2021. Т. 14. № 6. С. 70–85. URL: Link
Едронова В.Н. Первые итоги реализации национальной стратегии развития искусственного интеллекта // Экономический анализ: теория и практика. 2024. Т. 23. Вып. 3. С. 490–511. URL: Link
Kaufman L., Rousseeuw P. Finding Groups in Data: An Introduction to Cluster Analysis. Hoboken, NJ, John Wiley & Sons, 2005, 342 p.
