Информационный подход к анализу социально-экономической устойчивости регионов по большим массивам данных: оценка нестабильности годовой цикличности

Размещено на http://www.allbest.ru/

УДК 332.1 (045)

Информационный подход к анализу социально-экономической устойчивости регионов по большим массивам данных: оценка нестабильности годовой цикличности

В.Г. Сюндюков

Аннотация

информационный экономический региональный заработный

В статье рассмотрен опыт применения специализированного информационного подхода к анализу одного из аспектов экономической региональной динамики. Рассмотрены вопросы социально-экономической устойчивости регионов - оценка по данным анализа сезонности в динамике заработной платы. Информационный подход позволяет вести обработку больших массивов данных в рамках автоматизации исследования при расчете. Анализ полученных результатов позволяет выделить три особенности экономической динамики регионов России рассматриваемого периода и провести классификацию регионов на основании колебаний в динамике заработной платы.

Ключевые слова: устойчивость, экономическая динамика, заработная плата, сезонность, цикличность, искусственный интеллект, регион.

Первые исследования по адаптации информационных подходов, методов оптимизации и технологий искусственного интеллекта в задачах управления на региональном уровне были локальны и проводились еще в условиях плановой экономики. Теория и практика применения экономико-математических методов в этой сфере имеют многолетнюю историю. Подобные работы были во многом междисциплинарны. Например, по региональному развитию Челябинской области можно отметить ряд работ, связанных с различными аспектами локального применения компьютерных технологий [1], [2], [3]. Они в определенной степени сформировали базу для проведения современных исследований.

В настоящее время наблюдается интеграция многих управленческих компьютерных технологий, включая специализированные (например: визуализация данных [4], методы эвристического анализа [5], [6] и др.). Это позволяет говорить о внедрении специализированных информационно-адаптированных подходов для поиска решений в практику управления [7]. Сфера применения таких подходов может выходить за пределы традиционных управленческих задач и границы пространственных систем [8]. Ниже в статье рассматривается вариант применения таких технологий для анализа региональной динамики и поиска угроз развитию. Она связана с проблемой поиска рисков непредсказуемости - «черных лебедей» [9]. Подобное исследование во многом базируется на адаптации технологий искусственного интеллекта, получающих всё более широкое распространение [10], [11].

В условия структурного кризиса и низких темпов роста [12], [13], проблемы анализа региональной динамики заметно усложняются. Появляются кризисные точки смены трендов [14] и короткие временные ряды. В таких условиях возникает необходимость провести возможно более глубокий анализ с использованием месячных данных. При использовании укрупненных данных - например, за квартал, - динамические ряды получаются слишком короткими для использования методов математической статистики. Далее рассматривается анализ динамики на примере одного из ключевых показателей социально-экономического развития - заработной платы.

Возможности анализа динамики заработной платы на основании ежемесячных данных без учета сезонных колебаний очень ограничены. Например, в период 2015-2017 гг. заработная плата по Уральскому федеральному округу на основе данных Росстата при среднем уровне 41 тыс. руб. колебалась в течение года в интервале ±3,4 тыс. руб., и это не считая декабря-января, когда «скачок» превышает 13 тыс. руб. Так что при росте в текущем месяце средней зарплаты, например, на 1 тыс. руб. в сравнении с предыдущим, неясно, вызван ли такой прирост какими-то новыми факторами, или это следствие сезонных колебаний.

Анализ устойчивости в данном случае связан с решением двух задач. Во-первых, совпадают ли колебания из года в год или возникают непредсказуемые изменения? Во-вторых, как различаются между собой регионы по повторяемости колебаний заработной платы?

Для исследования этого вопроса предложен подход, основанный на следующих положениях.

В основе оценки лежит не сравнение абсолютного или относительного ежемесячного прироста, а факт совпадения направления этих изменений, обнаруживаемый с помощью индикатора цикличности, рассчитываемого с помощью функций математической логики по следующему алгоритму:

если знак ?V_{i k} совпадает со знаком ?V_{i m} или знак ?Vp_k совпадает со знаком ?Vp_m,

то

C_ikm = 1,

иначе

C_{i km}= 0.(1)

Здесь: k, m - сравниваемые годы;

C_{i km} - индикатор цикличности i-го месяца для сравниваемых периодов k и m;

?V_{i k}(?V_{i m}) - изменение зарплаты в i-м месяце для периода k(m);

?Vp_k(?Vp_m) - приведенные значения изменений месячной зарплаты: если изменение незначительно (в пределах среднего дневного заработка), то оно принимается равным нулю - для устранения влияния незначительных, но разнонаправленных изменений.

Характеристика цикличности - оценка стабильности сезонных колебаний (далее - оценка стабильности) - рассчитывается как количество совпадений за два сравниваемых года (k и m) по отношению к максимально возможному:

(2)

Итоговая оценка стабильности за несколько сравниваемых лет:

(3)

Здесь: Mmax_km(Mmax_J ) - максимальный порядковый номер месяца из двух сравниваемых лет в начале года, для которого рассчитываются месячные изменения; Mmin_km (Mmin_J ) - минимальный номер месяца из двух сравниваемых лет в конце года, для которого рассчитываются месячные отклонения. Если за оба сравниваемых периода представлены данные с января по декабрь, то Mmax =1, Mmin =12. S - множество попарных сочетаний из нескольких сравниваемых лет; N - общее количество пар сравниваемых месяцев.

С использованием данного подхода были выполнены расчеты на основе данных Росстата за период 2015-2017 гг. по средней месячной зарплате по регионам России. Размерность задачи: 80 регионов, 30 месяцев. Сравнивались: 2015-2016 гг., 2016-2017 гг., 2015-2017 гг. Общее количество сравниваемых пар месяцев - 24. Результаты, отражающие распределение ведущих индустриальных регионов России по устойчивости динамики заработной платы, приведены в таблице 1.

Таблица 1

Анализ полученных результатов позволяет выделить три особенности экономической динамики регионов России в рассматриваемый период.

Первое - экономическая динамика у представленных в таблице ведущих регионов заметно различается по величине деформации сезонных колебаний: Оценка стабильности от 1, при полном сохранении тенденций, в Москве, до 0,65, при заметных изменениях, в Татарстане.

Второе - динамика соседних регионов, имеющих схожие территориальные или отраслевые условия развития, может существенно различаться по масштабам деформации динамики. Например, оценка стабильности: Свердловская область (1,00), Челябинская область (0,92), Башкортостан (0,63) или Москва (1,00), Санкт-Петербург (0,83), Московская область (0,67).

Третье - стабильность динамики в виде неизменности сезонных колебаний может быть как в регионах опережающего роста, так и, наоборот, в отстающих, депрессивных регионах. Например: Санкт-Петербург по индексу роста среднегодовой заработной платы за рассматриваемые три года (1,07; 1,11; 1,12) опережает большинство других регионов, в том числе Челябинскую область с более высокой оценкой стабильности. Однако последняя имеет более стабильную динамику, но уже сравнительно низкого роста, отражающую текущую консервацию депрессивных процессов. Более низкая оценка стабильности динамики Санкт-Петербурга здесь является следствием текущего ускорения динамики. В любом случае нарушение сезонных колебаний является одним из признаков структурного сдвига и определяет направления последующего анализа рисков и шансов подобной динамики.

Компьютерная реализация подобного подхода связана с использованием системы электронных таблиц, в которых полностью представлена математическая модель, определенная формулами 1-3. При этом программная часть выполняет чисто сервисные информационные функции. Это упрощает возможности дальнейшего развития данного подхода. Обновление математической модели требует смены формул и корректного ввода параметров настройки в электронные таблицы.

Дальнейшие исследования региональной динамики предполагают проведение анализа на расширенной информационной базе. Здесь, с учетом предварительно проведенных исследований, наиболее перспективными направлениями можно считать рассмотрение показателей, прежде всего, связанных с текущими проблемными направлениями развития регионов (например: динамика финансового результата [15]), а также исследование взаимосвязей между показателями [16].

Список использованных источников и литературы

1. Шепелев И.Г., Починок А.П., Гордеев С.С. Комплексная программа повышения эффективности капитальных вложений в Челябинской области // Совершенствование инвестиционного процесса на Урале. Свердловск, ИЭ УрО АН СССР, 1984, C. 103-111.

2. Гордеев С.С. Программирование нестандартных экономических задач: принципы и средства снижения затрат. Препринт / Институт экономики Уральского отделения АН СССР. Свердловск, 1991.

3. Сюндюков В.Г. Календарное планирование производства на основе автоматизированного моделирования технологии. Специальность 08.00.05 «Экономика, планирование и организация управления народным хозяйством и его отраслями (промышленность, строительство)». Автореферат диссертации на соискание ученой степени кандидата экономических наук. Челябинск, 1992.

4. Гордеев С.С., Кочеров А.В. Основы анализа региональной экономической динамики: визуализация и оценка в среде MS Office. Издательство Челябинского государственного университета. Челябинск, 2017. Сер. «Классическое университетское образование». 130 с.

5. Сюндюков В.Г. Совершенствование регионального экономического анализа с внедрением методов искусственного интеллекта. В сборнике: «Голиковские чтения. Сборник научных трудов». Челябинск, 2016. С. 166-174.

6. Сюндюков В.Г. Анализ пространственного социально-экономического развития в контексте искусственного интеллекта//Социум и власть. 2017. № 2(64). C. 65-70.

7. Гордеев С.С. Поиск социо-эколого-экономических решений в информационной среде // Вестник Челябинского государственного университета. 2013. № 8 (299). С. 47-52.

8. Зырянов С.Г., Иванов О.П., Гордеев С.С. Социоэкономика пространственного развития регионов Урала // Технологии прикладной политологии и социологии как инструмент повышения эффективности государственного и муниципального управления. Материалы Всероссийской научно-практической конференции. Ответственный редактор С.Г. Зырянов. 2016. С. 132-142.

9. Талеб Н. Черный лебедь. Под знаком непредсказуемости. «КоЛибри», 2012.

10. Павлов С.Н. Системы искусственного интеллекта. Томск, 2011.

11. Бессмертный И.А. Искусственный интеллект. Учебное пособие. Санкт-Петербург, 2010.

12. Gordeev S.S., Zyryanov S.G., Ivanov O.P., Kocherov A.V. The economic dinamics of Russia and its regions in the context of a structural crisis: analysis and forecasting/ Социум и власть. 2016. № 6 (62). С. 39-46.

13. Гордеев С.С., Зырянов С.Г., Иванов О.П., Кочеров А.В. Экономическая динамика России и регионов в условиях структурного кризиса: анализ и прогнозирование // Социум и власть. 2016. № 6 (62). C. 47-55.

14. Гордеев С.С., Зырянов С.Г., Иванов О.П., Подопригора А.В. Риски и приоритеты управления регионом в условиях экономической депрессии и роста инфляции //Социум и власть. 2015. № 3 (53). С. 116-123.

15. Гордеев С.С. Анализ условий роста финансового результата региона // Вестник Челябинского государственного университета. Экономика. 2015. № 11 (366). С. 48-55.

16. Гордеев С.С., Кочеров А.В., Лебедефф-Донской М.М. Устойчивость в управлении экономическим развитием региона// Вестник Челябинского государственного университета. 2015. № 12 (367). С. 79-88.

Размещено на Allbest.ru