Ольга Сергеевна ТАРАСОВАответственный автор, кандидат географических наук, доцент, заведующая кафедрой экологической безопасности и управления природопользованием, Новосибирский государственный университет экономики и управления «НИНХ», Новосибирск, Российская Федерация tosgeo@bk.ru https://orcid.org/0000-0003-4250-7259 SPIN-код: 4269-5824
Анна Александровна АЛЕТДИНОВАдоктор экономических наук, доцент, профессор кафедры автоматизированных систем управления, Российский государственный университет нефти и газа (национальный исследовательский университет) им. И.М. Губкина, Москва, Российская Федерация andreww@academ.org https://orcid.org/0000-0002-9257-4735 SPIN-код: 4508-6876
Екатерина Сергеевна БОЛОНИНАстудентка магистратуры, Российский государственный университет нефти и газа (национальный исследовательский университет) им. И.М. Губкина, Москва, Российская Федерация katerinabolonina@yandex.ru ORCID id: отсутствует SPIN-код: отсутствует
Предмет. Устойчивость региональных экономических систем в условиях структурной неоднородности и воздействия внешних шоков. Цели. Апробация кросс-алгоритмического подхода к оценке устойчивого развития регионов Сибирского федерального округа. Методология. Основу исследования составляют методы машинного обучения без учителя, включая алгоритмы K-means, DBSCAN и иерархическую кластеризацию методом Уорда. Эмпирическая база сформирована на основе открытых статистических данных, характеризующих социальное, экономическое и экологическое состояние исследуемых регионов. Для повышения уровня корректности и интерпретируемости использовались процедуры нормализации данных и анализа главных компонент. Кросс-алгоритмический подход реализован через сопоставление и взаимную верификацию кластерных решений, полученных различными алгоритмами, а также анализ их динамики за 2019–2023 гг. Результаты. В результате исследования выявлена устойчивая трехуровневая структура регионального пространства Сибирского федерального округа, сохраняющаяся во времени независимо от внешних изменений. Проведен анализ социально-экономического и экологического профилей регионов, входящих в соответствующий кластер. Показано, что центроидные и иерархические методы воспроизводят базовую типологию регионов, отражающую различия в уровне и структуре развития, тогда как плотностная кластеризация позволяет выявлять нелинейные эффекты, рост фрагментации и атипичные траектории развития. Выводы. Устойчивость регионального развития проявляется в сохранении структурных паттернов регионального пространства при изменении условий, а кросс-алгоритмический подход повышает объективность и достоверность оценки устойчивости региональных экономических систем.
Ключевые слова: устойчивое развитие регионов, региональные экономические системы, машинное обучение, кластерный анализ, кросс-алгоритмический подход
Список литературы:
Середин В.П., Гутман С.С., Середин Е.П. Разработка инструмента для формирования стратегии и оценки устойчивого развития региона // π-Economy. 2023. Т. 16. № 6. С. 43–63. DOI: 10.18721/JE.16604 EDN: QWVQMY
Руденко Л.Г., Егорова Н.Н. Методологический подход к оценке уровня устойчивого развития регионов // Вестник Московского университета имени С.Ю. Витте. Серия 1: Экономика и управление. 2022. № 4. С. 62–72. DOI: 10.21777/2587-554X-2022-4-62-72 EDN: YFBWOW
Савенкова И.В., Добродомова Т.Н., Лыщикова Ю.В. Модернизация подходов и показателей оценки устойчивого развития территорий в условиях цифровизации // Экономика. Информатика. 2024. Т. 51. № 1. С. 18–32. DOI: 10.52575/2687-0932-2024-51-1-18-32 EDN: EFPBAC
Kubiszewski I., Mulder K., Jarvis D., Costanza R. Toward better measurement of sustainable development and wellbeing: A small number of SDG indicators reliably predict life satisfaction. Sustainable Development, 2022, vol. 30, iss. 1, pp. 139–148. DOI: 10.1002/sd.2234 EDN: GNTKXT
Kurumi Yamasaki, Takashi Yamada. A framework to assess the local implementation of Sustainable Development Goal 11. Sustainable Cities and Society, 2022, vol. 84, no. 104002. DOI: 10.1016/j.scs.2022.104002 EDN: HJMVPV
D'Adamo I., Di Carlo C., Gastaldi M., Rossi E.N., Uricchio A.F. Economic performance, environmental protection and social progress: A cluster analysis comparison towards sustainable development. Sustainability, 2024, vol. 16, iss. 12. DOI: 10.3390/su16125049 EDN: CGKMYO
Nilashi M., Ooi Keng Boon, Tan G. et al. Critical data challenges in measuring the performance of sustainable development goals: Solutions and the role of big-data analytics. Harvard Data Science Review, 2023, vol. 5, iss. 3. DOI: 10.1162/99608f92.545db2cf EDN: ACRKAQ
Нахметова Л.А. Теоретические основы устойчивого развития регионов // Молодой ученый. 2025. № 45. С. 109–113. EDN: MKBMVW
Sjöstedt E. C., Fowler K.F., Rushforth R.R. et al. Sustainability and resilience through connection: the economic metacommunities of the Western USA. Ecology and Society, 2025, vol. 30, iss. 1. DOI: 10.5751/es-15676-300104 EDN: MKPVHA
Тарасова О.С. Оценка социо-эколого-экономического потенциала региональных экономических систем в контексте устойчивого развития // Национальные интересы: приоритеты и безопасность. 2025. Т. 21. Вып. 12. С. 153–169. DOI: 10.24891/lwglum EDN: LWGLUM
Бородин С.Н. Модель оценки устойчивого развития региона на основе индексного метода // Экономика региона. 2023. Т. 19. № 1. С. 45–59. DOI: 10.17059/ekon.reg.2023-1-4 EDN: EQNGER
Bakri B., Rustiadi E., Fauzi A., Adiwibowo S. Regional sustainable development indicators for developing countries: case study of provinces in Indonesia. International Journal of Sustainable Development, 2018, vol. 21, iss. 1-4, pp. 102–130. DOI: 10.1504/IJSD.2018.100827
Родченков М.В. Субъективность корпоративных ESG-рейтингов: регионально-отраслевой аспект // Вестник Санкт-Петербургского университета. Экономика. 2025. Т. 41. № 3. С. 421–446. EDN: LFGKKP
Kagzi M., Khanra S., Paul S.K. Machine learning for sustainable development: leveraging technology for a greener future. Journal of Systems and Information Technology, 2023, vol. 25, iss. 4, pp. 440–479. DOI: 10.1108/JSIT-11-2022-0266 EDN: JWEVVZ
Cusimano A., Fantechi F., Gambina D., Mazzola F. Convergence through sustainable development: can EU developing regions make it happen? firm-level counterfactual evidence via Machine Learning. Applied Economics, 2025. DOI: 10.1080/00036846.2025.2530751
Morales E.F., Escalante H.J. A brief introduction to supervised, unsupervised, and reinforcement learning. In: Biosignal processing and classification using computational learning and intelligence. Academic Press, 2022, pp. 111–129. DOI: 10.1016/B978-0-12-820125-1.00017-8
Naeem S., Aqib A., Anam S., Ahmed M.M. An unsupervised machine learning algorithms: Comprehensive review. International Journal of Computing and Digital Systems, 2023, vol. 13, iss. 1, pp. 911–921. DOI: 10.12785/ijcds/130172 EDN: YQPMFZ
Shetty S.H., Shetty S., Singh C., Rao A. Supervised machine learning: algorithms and applications. In: Fundamentals and Methods of Machine and Deep Learning. Scrivener Publishing LLC, 2022, pp. 1–16. DOI: 10.1002/9781119821908.ch1
Jing Wang, Biljecki F. Unsupervised machine learning in urban studies: A systematic review of applications. Cities, 2022, vol. 129, no. 103925. DOI: 10.1016/j.cities.2022.103925
Прохоренков П.А., Регер Т.В., Гудкова Н.В. Методы кластерного анализа в региональных исследованиях // Фундаментальные исследования. 2022. № 3. С. 100–106. DOI: 10.17513/fr.43221 EDN: KOVJWZ
Никоноров С.М., Кривичев А.И., Насонов А.Н., Цветков И.В. Методика оценки и ранжирования социально-экономического развития моногородов на основе многофакторного анализа фрактальных показателей // Регионология. 2024. Т. 32. № 2. С. 326–344. DOI: 10.15507/2413-1407.127.032.202402.326-344 EDN: WXDVCX
Jaeger A., Banks D. Cluster analysis: A modern statistical review. Wiley Interdisciplinary Reviews: Computational Statistics, 2023, vol. 15, iss. 3. DOI: 10.1002/wics.1597 EDN: WZQCSY
Шариков Н., Полякова П., Кудрявцев А. Кластерный анализ экономического развития провинций Таиланда // Sustainable Development and Engineering Economics. № 2. С. 84–109. DOI: 10.48554/SDEE.2025.2.5 EDN: DENXAZ
Панферова Е.В., Матюшин Р.А. Сравнительная оценка методов кластеризации в работе с большими данными // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2024. № 2. С. 61–67. DOI: 10.17072/1993-0550-2024-2-61-67 EDN: RIMRKA
Дудина Т.Н., Тарасова О.С. О подходах к разработке региональных систем индексов и индикаторов устойчивого развития // Успехи современного естествознания. 2022. № 1. С. 23–29. DOI: 10.17513/use.37765 EDN: TWFEJI
Алферова Т.В. Устойчивое развитие региона: подходы к отбору показателей оценки // Вестник Пермского университета. Серия: Экономика. 2020. Т. 15. № 4. С. 494–511. DOI: 10.17072/1994-9960-2020-4-494-511 EDN: KXXJRA
Даванков А.Ю., Двинин Д.Ю., Постников Е.А. Методический инструментарий оценки социо-эколого-экономической среды региона в границах устойчивости биосферы // Экономика региона. 2016. Т. 12. № 4. С. 1029–1039. DOI: 10.17059/2016-4-5 EDN: XBKHUX
