CC BY
15
УДК 332.1
ЭКОНОМИКО-МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
СОСТОЯНИЯ И ПЕРСПЕКТИВ ДОБЫЧИ ПОЛЕЗНЫХ ИСКОПАЕМЫХ В РЕГИОНАХ ЦФО
Р.А. Жуков, Н.О. Козлова, Э.В. Хлынин, С.В. Городничев
Рассматривается подход к моделированию состояния и перспектив развития отрасли добычи полезных ископаемых как подсистемы социо-эколого-экономической системы региона. Исследование проводилось для регионов Центрального федерального округа и Тульской области на основе статистических данных за период с 2007 по 2020 г. Предложенные регрессионные модели могут быть использованы для оценки состояния и перспектив развития добывающей отрасли региона во взаимосвязи с другими подсистемами, что позволяет достичь наилучших экономических, экологических и социальных результатов функционирования. В результате исследования выявлены значимые факторы, оказывающие влияние на объем добычи, а, именно, стоимость основных фондов и занятость в отрасли. Рассчитаны показатели результативности и эффективности добывающей отрасли для регионов Центрального федерального округа, отражающие достижение нормативных значений, что позволяет обосновывать необходимость принятия управленческих решений для достижения устойчивых траекторий развития регионов с учетом изменений, происходящих в отрасли. Для Тульской области установлены тенденции роста добычи сырья, используемого в строительстве. Определены резервы развития, реализация которых позволит не только увеличить объемы производства, но и повысить вклад отрасли в гармоничное развитие региона в целом.
Ключевые слова: добыча полезных ископаемых, социо-эколого-экономическая система, регрессионная модель.
Введение
Добывающая отрасль является базовой отраслью промышленности и российской экономики в целом. Это стало еще более очевидным в условиях мирового экономического кризиса, вызванного введением экономических санкций в отношении России странами Запада, США и их союзниками. Именно перспективы развития добывающей отрасли служат причиной неоднозначного отношения мирового сообщества к введенным санкциям и предоставляют возможность введения контрсанкций со стороны России.
Разные регионы обладают разными освоенными запасами природного сырья, к которому относятся уголь, нефть, газ, руды черных и цветных металлов, каменная соль, а также гипс, известняки, глины, пески и другие материалы, используемые в строительстве. Несмотря на то, что регионы Центрального федерального округа (ЦФО) не являются преимущественно добывающими, в них также осуществляется добыча полезных ископаемых, в основном строительного назначения, и отрасль добычи полезных ископаемых взаимодействуя с другими отраслями региона, вно-
сит свой вклад в создание валового регионального продукта (ВРП).
Целью представленного исследования является изучение состояния и перспектив развития отрасли добычи полезных ископаемых в регионах ЦФО и в Тульской области как подсистемы социо-эколого-экономической системы региона (СЭЭС) на основе использования экономико-математического моделирования.
1. Обзор исследований и современное состояние проблемы
Для построения модели для оценки состояния отрасли добычи полезных ископаемых как подсистемы СЭЭС региона необходимо выбрать соответствующие факторы-индикаторы, оказывающие влияние на результирующий показатель - объем добычи. В исследовании Г.И. Архипова на пример горнодобывающей отрасли Хабаровского края в качестве таких факторов предлагается использовать инвестиции в основной капитал и геологоразведку [1]. Для финансирования работ необходимы денежные средства, которые можно привлечь на рынке, однако в нашей стране недоступна такая форма привлечения заемных средств как кредитование под запасы в силу законодательных ограничений, в частности отсутствие механизма переуступки прав пользования недрами с возможностью залога таких прав с разрешения государства [2]. На развитие добывающих отраслей в регионах могут оказывать влияние специфические факторы, напрямую не связанные с добычей, но важные с точки зрения транспортировки добытого сырья [3].
С другой стороны, деятельность добывающих предприятий также оказывает влияние на социально-экономическое состояние регионов. В исследовании Н.П. Иватановой представлена оптимизационная модель развития региона, в котором осуществляется добыча полезных ископаемых с учетом необходимости выполнения требований по защите окружающей среды [7]. В исследовании К.В. Демидовой на примере золотодобывающих компаний отмечается, что модели, используемые для оценки состояния на макро- и региональном уровне, не всегда применимы к отдельным районам региона, в которых эти компании функционируют [4].
В условиях отказа от отраслевого управления экономическим развитием часто реализуется кластерно-сетевой тип управления, который требует своего подхода к моделированию влияния добывающих предприятий на развитие региона. Л.В. Кожемякин предлагает использовать нейросете-вое моделирование для описания взаимодействия в нефтегазовой отрасли на примере Приволжского федерального округа [9]. Вопросам моделирования повышения угледобычи на региональном уровне посвящена работа Ю.Н. Полшкова [11], а вопросам интегрированного моделирования в нефтегазовой отрасли - работа коллектива авторов под руководством Е.В. Филлипова [16].
Интересный подход на основе экономико-математического моделирования предложен М.И. Кутерниным для оценки экономического эффекта от деятельности ПАО «Газпром» в случае, если бы было в отрасли произошло вертикальное разделение. В работе делается вывод, что в этом случае произошло бы некоторое увеличение объемов добычи и снижение цены для потребителей за счет снижения прибыли компании, что потребовало бы снижать производственные затраты и проводить модернизацию. Однако при этом деятельность «Газпрома» на международной арене была бы менее эффективной [10]. В свою очередь, А.Э. Тарасовым предложна модель трансформации газовой отрасли в условиях конкуренции с целью повышения добычи наиболее эффективным способом с большим коэффициентом извлечения газа и меньшими затратами [12, 13].
Хочется отметить и исследование В.Г. Фролова и Д.И. Каминченко, которые, используя коэффициент ранговой корреляции Спирмена, выявили высокую степень согласования интересов субъектов промышленной политики в добывающей отрасли регионов ЦФО, что привлекает дополнительные инвестиционные ресурсы в отрасль [17].
Проведенный анализ современного состояния проблемы не выявил исследований, где бы рассматривалось моделирования состояния добывающей отрасли как одной из подсистем социо-эколого-экономической системы региона.
2. Информационная база, методика исследования и полученные результаты
Исследование проведено на основе данных Федеральной службы государственной статистики РФ [15] за 2007 - 2020 гг.
В данном исследовании авторы опирались на методику, примененную ранее [6] и отраженную в работе [5].
На основе данных официальной статистики за период 2007 -2020 гг. для показателя результативности построено уравнение регрессии в соответствии со степенной мультипликативной моделью (по аналогии с производственной функцией) для объема добычи полезных ископаемых (у, млн руб.) в зависимости от стоимости основных фондов (х1, млн руб.) и количества занятых в отрасли (х2, тыс. чел.):
у = 3,53542 • х0'76019 • х2028538 , (1)
коэффициент детерминации которой R2=0,68152, коэффициент множественной корреляции R=0,82554, стандартная ошибка (среднеквадратиче-ское отклонение остатков) составила 7992,53500, расчетное значения критерия Фишера Fрасч=234,31730 при критическом значении Fкр=3,03709 для заданного уровня значимости 0,05 и числа степеней свободы 219.
Точность нелинеаризованной модели (средняя относительная ошибка аппроксимации) составила Еотн=58,688 %.
Кроме того, была получена следующая линеаризованная модель за-
висимости объемов добычи от тех же факторов с использованием пошагового метода наименьших квадратов [8] и статистических данных за 20102020 годы
¡п(у) = 3,53542 + 0,76019 • ¡п- х + 0,28538 • ¡пх2 , (2)
коэффициент детерминации которой составил R2=0,86796, коэффициент множественной корреляции R=0,93164, стандартная ошибка (среднеквад-ратическое отклонение остатков) составила 0,64806, расчетное значения критерия Фишера Fрасч=719,76670 при критическом значении Fкр=3,03709 для заданного уровня значимости 0,05 и числа степеней свободы 219.
Оценка параметров модели показала: для ао расчетное значение ^ критерия tрасч = 2,53717, стандартная ошибка 0,49773, границы коэффициентов: нижняя 0,28187, верхняя 2,24379; для а1 1расч = 9,55879, стандартная ошибка 0,07953, нижняя граница 0,60345, верхняя граница 0,91692; для а2 1расч =2,83042, стандартная ошибка 0,10083, нижняя граница 0,08667, верхняя граница 0,48410, при критическом значении критерия Стьюдента 1кр=1,971 для заданного уровня значимости 0,05 и числа степеней свободы 219. Точность модели (средняя относительная ошибка аппроксимации) составила Еотн=8,39463 %. Следовательно, линеаризованная модель является более адекватной фактическим данным.
Рис. 1 иллюстрирует коррелированность добычи полезных ископаемых в ЦФО со стоимостью основных производственных фондов и занятостью в отрасли добычи [15].
Рис. 1. Динамика добычи полезных ископаемых, стоимости основных производственных фондов и занятости в отрасли добычи в ЦФО за период 2014 - 2020 гг.
Объем добычи полезных ископаемых в ЦФО в фактически действовавших ценах в 2020 г. составил 285556,5 млн руб. Более 50 % общей до-
бычи полезных ископаемых приходится на Белгородскую область, 30% добывают в Курской области, 4 % - в Московской области, 3 % - в Воронежской области, по 2 % - в Тульской и Липецкой областях, по 1 % - во Владимирской, Калужской и Смоленской областях, в остальных регионах ЦФО добыча составляет менее 1 % (рис. 2) [15].
В двух лидирующих регионах, Белгородской и Курской областях, динамика добычи полезных ископаемых в течение 2014 - 2020 гг. нарастала (рис. 3), в остальных регионах добыча полезных ископаемых является относительно стабильной [15].
Рис. 2. Структура добычи полезных ископаемых в ЦФО в 2020 г.
Рис. 3. Динамика добычи полезных ископаемых основными добывающими регионами ЦФО в сопоставимых ценах в 2014,2017, 2020 гг.
На основе модели (2) были определены значения нормативов -ожидаемых значений показателей результативности (объемов добычи полезных ископаемых) при известных факторах стоимости основных фондов и занятости в отрасли. Для основных добывающих регионов ЦФО смоделированы траектории устойчивого развития, на рис. 4 представлены траектории развития за период 2014 - 2020 гг.
ЦФО за период 2014 - 2020 гг. по показателю результативности «Добыча полезных ископаемых»
Нормативное значение результирующего показателя, в рассматриваемом случае добычи полезных ископаемых, определяет, с одной стороны, значение, характеризующее наиболее эффективное использование факторов (основных фондов и рабочей силы). С другой стороны, оно отражает сбалансированный, гармоничный характер развития данной отрасли в общей социо-эколого-экономической системы региона. Например, в Московской, Воронежской и Калужской областях фактические значения добычи практически в течение всего рассматриваемого периода соответствовали нормативным значениям, следовательно, в этих регионах добыча полезных ископаемых ведется в соответствии с их возможностями. Во Владимирской, Липецкой и Тульской областях фактические значения добычи ниже нормативного значения, что свидетельствует о менее эффективном использовании факторов производства. В регионах ЦФО с наибольшей добычей полезных ископаемых фактические значения добычи выше нормативного в течение всего рассматриваемого периода. В Курской области в 2019 г. фактическая добыча даже вышла за верхнюю допустимую границу, а в Белгородской области фактическая добыча превышает верхнюю границу устойчивого развития в 2018 - 2020 гг., что свидетельствует о локальной эффективности отрасли, но может снижать общую результативность и эффективность устойчивого функционирования всей со-цио-эколого-экономической системы региона, поскольку для устойчивого развития региона необходимо, чтобы все сектора взаимодействовали друг с другом в целях достижения общего результата и обеспечения общей эффективности. Граничные значения рассчитаны для нормативных значений на уровне значимости 0,05.
Для устойчивого развития федеральных округов и страны в целом важно не только достижение внутренней гармоничности разных подсистем отдельных регионов (социальной, экологической, экономической), но и их одновременное развитие, несмотря на то, что регионы отличаются своим потенциалом, действуют в разных социальных, экологических и экономических условиях. С целью сопоставления регионов в целом и по отдельным составляющим подсистемам и факторам предлагается использовать интегральный показатель оценки подсистемы «Добыча полезных ископаемых» социо-эколого-экономической системы региона [18]
где под понимается обобщенный показатель результативности к-го
региона; yl.it), Уи^) ~ фактические и нормативные значения стандартизованных результативных признаков к-го региона, г и г соответству-
(3)
ющие парные коэффициенты корреляции; 1 - параметр времени (t = \,...,Т), I(р,д) = , т - число результативных признаков, индекс
«0» показывает, что проведена процедура нормализации (приведение к шкале от 0 до 1). Более подробно формирование обобщенного показателя результативности представлено в [18]. Оценка состояния подсистемы «Добыча полезных ископаемых» осуществляется следующим образом: если t) >1, то функционирование системы считается удовлетворительным; в
противном случае - неудовлетворительным, требующим принятия соответствующих решений.
Результаты расчета показателя результативности для оценки состояния отрасли добычи полезных ископаемых в регионах ЦФО в 2010 -2020 гг. представлены в табл. 1 (за исключением Тамбовской области, где добыча полезных ископаемых не осуществляется).
Таблица 1
Показатели результативности для оценки состояния отрасли добычи полезных ископаемых в регионах ЦФО за период 2010 - 2020 гг.
Период
Область 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Белгородская 2,246 3,258 2,361 2,235 1,759 1,459 1,291 1,390 1,895 1,952 1,862
Брянская 1,532 2,519 2,604 2,644 2,472 2,107 2,601 - 2,831 - -
Владимирская 1,166 1,218 0,984 1,137 1,579 1,069 0,512 0,682 0,481 0,537 0,538
Воронежская 0,739 0,788 1,415 2,592 1,726 1,284 1,127 1,486 1,343 1,347 1,052
Ивановская 0,563 0,460 1,087 0,688 0,990 0,742 0,590 0,245 0,577 0,644 0,619
Калужская 0,868 1,096 0,877 0,893 0,876 1,273 0,974 1,180 0,917 1,074 1,240
Костромская 0,579 0,608 0,694 0,712 0,698 1,579 1,416 1,085 0,968 0,513 1,823
Курская 3,435 4,553 3,738 3,538 2,797 2,369 1,506 1,509 1,986 2,549 2,130
Липецкая 1,161 1,242 1,188 1,227 1,064 0,924 0,822 0,435 0,384 0,452 0,394
Московская 1,085 1,331 1,423 1,330 1,139 1,063 0,731 1,230 0,982 1,188 1,131
Орловская 3,248 2,387 2,449 2,841 1,997 4,411 1,016 5,261 6,185 245,94 3,237
Рязанская 0,332 0,330 0,481 0,933 0,870 0,789 0,683 0,494 0,539 0,642 0,295
Смоленская 0,879 0,850 1,016 0,988 0,828 0,733 0,661 0,657 0,651 0,696 0,600
Тверская 0,319 0,555 1,718 0,546 0,605 0,729 1,117 0,668 0,760 0,841 1,101
Тульская 0,257 0,268 0,292 0,369 0,461 0,382 0,256 0,445 0,349 0,480 0,506
Ярославская 0,247 1,815 0,558 0,503 0,564 0,556 0,525 0,506 0,530 1,361 0,496
Среди основных добывающих регионов ЦФО высокие показатели (выше 1) имеют Белгородская, Воронежская, Калужская, Курская, Московская области, а также такие регионы, где добыча полезных ископаемых незначительна, как Брянская, Костромская, Орловская и Тверская области. Показатели результативности менее 1 имеют Владимирская, Ивановская, Липецкая, Рязанская, Смоленская, Тульская и Ярославская области, то есть деятельность подсистемы «Добыча полезных ископаемых» в регионах последней группы недостаточна для гармоничного развития региона. Под
гармоничностью в данном случае понимается равномерность показателей результативности разных подсистем, что количественно выражается в их приближении к единице.
С экономической точки зрения представляет интерес эффективность использования факторов для достижения показателей результативности. Предлагается оценивать эффективность достижения текущего состояния подсистемы «Добыча полезных ископаемых» с помощью показателя эффективности Б Г(1) в форме приростов факторных х(1) и результативных
признаков у(1):
= М±) = у( t)/у( t0)
Ах (t) х (t) / х (^) .
Причем могут формироваться как базисные эффективности (по отношению к базисному периоду), так и цепные эффективности (по отношению к предыдущему периоду. В табл. 2 отражены результаты расчета показателей эффективности (цепные) для оценки отрасли добычи полезных ископаемых в регионах ЦФО в 2010-2020 гг. При расчете результативные и факторные признаки предварительно приводились к стандартизованному и нормализованному виду.
Таблица 2
Показатели эффективности (цепные) для оценки отрасли добычи полезных ископаемых в регионах ЦФО за период 2010 - 2020 гг.
Период
Область 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Белгородская 1,595 1,004 0,491 0,675 0,546 0,548 0,549 0,617 0,961 0,717 0,650
Брянская 0,669 1,837 0,689 0,727 0,638 0,635 0,989 - - - -
Владимирская 0,728 0,699 0,460 0,744 0,982 0,452 0,288 0,863 0,366 0,755 0,733
Воронежская 0,831 0,791 1,324 1,369 0,509 0,480 0,638 0,964 0,574 0,591 0,565
Ивановская 0,934 0,449 2,047 0,414 1,137 0,563 0,477 0,283 1,739 0,686 0,681
Калужская 0,525 1,007 0,234 0,705 0,670 1,010 0,565 0,913 0,539 0,890 0,767
Костромская 0,993 0,582 0,841 0,738 0,715 1,416 1,075 0,418 0,559 0,191 2,658
Курская 1,424 0,916 0,540 0,659 0,563 0,554 0,295 0,631 0,948 0,918 0,560
Липецкая 0,667 0,746 0,587 0,771 0,607 0,591 0,640 0,201 0,639 0,832 0,573
Московская 0,681 0,853 0,821 0,637 0,552 0,558 0,328 1,194 0,615 0,820 0,677
Орловская 1,500 0,364 0,713 0,855 0,400 2,031 0,230 3,652 0,886 39,747 0,000
Рязанская 0,823 0,650 1,162 1,628 0,643 0,820 0,574 0,527 0,827 0,852 0,334
Смоленская 0,404 0,634 0,789 0,601 0,688 0,763 0,605 0,645 0,663 0,765 0,586
Тверская 0,220 1,419 2,088 0,226 0,897 0,936 1,242 0,249 0,820 0,798 1,178
Тульская 0,891 0,716 0,823 0,835 0,836 0,590 0,421 1,221 0,514 1,027 0,769
Ярославская 0,461 8,751 0,141 0,522 0,951 0,663 0,637 0,636 0,758 1,889 0,215
Е/(>)
С помощью показателей эффективности можно оценить эффективность как отдельных факторов состояния и воздействия, так и обобщенного фактора состояния и воздействия. В табл. 2 отражается эффективность влияния на результирующий показатель добычи полезных ископаемых обобщенного фактора (основные фонды во взаимодействии с рабочей силой). Полученные результаты свидетельствуют, что во всех регионах эффективность обобщенного фактора то снижается, то увеличивается по отношению к предыдущему году, что может быть связано с более длительными, чем один год, циклами реализации управленческих решений (проектов), направленных на изменения в отрасли.
В Тульской области добывается сырье для строительной отрасли, которое находит спрос как в Тульской, так и Московской областях. Динамика добычи за период 2016 - 2020 гг. отражена на рис. 5 [14].
Рис. 5. Динамика добычи полезных ископаемых в Тульской области
за период 2016 - 2020 гг.
Добыча щебня, известняка, гранул, гальки и гравия в течение рассматриваемого периода нарастает. В 2020 г. добыча щебня составила 6886 тыс. куб. м, известняка - 1128,4 тыс. т, гранул и т.п. - 8580,6 тыс. куб. м. Прямые результаты влияния добывающей отрасли на состояние СЭЭС Тульской области связано с созданием рабочих мест, формированием ресурсной базы для строительной отрасли, но в то же время это влияние выражается в ухудшении состояния окружающей среды. Косвенные результаты включают увеличение доходов населения, поступление налогов и увеличение возможностей для развития региона. Однако, как показали проведенные исследования, результативность добывающей отрасли в Тульской области пока не достигла своих оптимальных значений, что требует принятия дополнительных решений по активизации и повышению
эффективности в отрасли.
Заключение
Экономико-математическое моделирование ситуации, сложившейся в добывающей отрасли регионов ЦФО и Тульской области позволяет сделать следующие выводы.
Объем добычи полезных ископаемых в регионах ЦФО может быть смоделирован на основе линейной производственной функции, которая имеет более высокую степень адекватности фактическим данным по сравнению со степенной мультипликативной моделью. Значимыми факторными признаками модели являются стоимость основных фондов и занятость в отрасли.
На основе модели были определены значения нормативов - ожидаемых значений показателей результативности (объемов добычи полезных ископаемых) при известных факторах стоимости основных фондов и занятости в отрасли. Для основных добывающих регионов ЦФО смоделированы траектории устойчивого развития на уровне значимости 0,05.
Для оценки добывающей отрасли социо-эколого-экономической системы регионов используется обобщенный показатель результативности, формируемый на основе фактический частных показателей по отношению к нормативным с учетом зависимостей между ними. На основе обобщенного показателя результативности можно оценивать состояние и перспективы развития отрасли добычи и сравнивать между собой регионы, имеющие разные условия.
Для Тульской области установлены тенденции роста добычи сырья, используемого в строительстве, однако у этой отрасли в Тульской области имеются резервы, использование которых позволит не только увеличить объемы производства, но и повысить вклад отрасли в гармоничное развитие региона в целом.
Исследование выполнено за счет гранта Российского научного фонда № 22-28-20061, https://rscf.ru/project/ 22-28-20061/ и Тульской области.
Список литературы
1. Архипов Г.И. Горно-добывающая промышленность Хабаровского края: состояние и перспективы развития // Минеральные ресурсы России. Экономика и управление. 2019. № 6 (169). С. 45-53.
2. Балабин А.А. Право собственности на недра и развитие добывающего сектора России - региональный аспект // Сб. науч. тр. Всерос. конф. с междунар. участием, посвящ. памяти акад. А.Г. Гранберга «Пространственный анализ социально-экономических систем: история и современность» II Гранберговской конф. Сибирское отделение РАН Институт эко-
номики и организации промышленного производства СО РАН. Новосибирск, 2021. С. 549-559.
3. Головщиков В., Огнев Д., Петрякова Е. Перспективы БАМа и Транссиба с учетом состояния регионов и развития угольной отрасли // Энергетическая политика. 2021. № 2 (156). С. 30-43.
4. Демидова К.В. Влияние добывающего сектора на развитие Севе-ро-Енисейского района Красноярского края: где концентрируются эффекты // Север и рынок: формирование экономического порядка. 2021. № 4 (74). С. 71-84.
5. Жуков Р.А. Оценка состояния сложных систем на примере регионов Центрального федерального округа: эколого-экономический аспект // Региональные исследования. 2016. № 4 (54). С. 81-89.
6. Журавлев С.Д., Жуков Р.А. Математическая модель оценки эффективности использования земель сельскохозяйственного назначения // Региональная экономика и управление: электронный научный журнал. 2011. № 3 (27). С. 9-24.
7. Иватанова Н.П. Эколого-экономическая оценка инновационного развития минерально-сырьевого потенциала на региональном уровне // Известия Тульского государственного университета. Науки о Земле. 2017. Вып. 1. С. 182-192.
8. Кремер Н.Ф., Путко Б.А. Эконометрика. М: ЮНИТИ-ДАНА. 2005. 311 с.
9. Кожемякин Л.В. Применение нейронных сетей в моделировании кластерно-сетевых связей в нефтегазовой отрасли // Прикладная математика и вопросы управления. 2020. № 4. С. 137-152.
10. Кутернин М.И. Сравнение эффективности различных схем газовой отрасли на основе математического моделирования // Вестник университета. 2019. № 10. С. 124-131.
11. Полшков Ю.Н. Прикладные экономические аспекты управления предприятиями угледобывающей отрасли региона с элементами стохастического моделирования // Вестник Донецкого национального университета. Сер. В. Экономика и право. 2019. № 2. С. 193-201.
12. Тарасов А.Э. Моделирование долгосрочного развития газовой отрасли РФ в современных условиях // Сб. науч. тр. «Управление развитием крупномасштабных систем (MLSD'2018)». XII Междунар. конф.: в 2 т. Под общ. ред. С.Н. Васильева, А.Д. Цвиркуна. 2018. С. 132-134.
13. Тарасов А.Э. Моделирование перспектив трансформации газовой отрасли РФ в условиях ужесточения конкуренции // Сб. науч. тр. «Управление развитием крупномасштабных систем (MLSD'2018)». XII Междунар. конф. // под общей ред. С.Н. Васильева, А.Д. Цвиркуна. 2019. С. 244-247.
14. Тульский статистический ежегодник 2020.pdf [Электронный ресурс]. Режим доступа: https://tulastat.gks.ru/storage/mediabank/Тульский%20
статистический%20ежегодник%202020^£
15. Федеральная служба государственной статистики [Электронный ресурс]. Режим доступа: http://www.gks.ru/.
16. Применение интегрированного моделирования в нефтегазовой отрасли / Е.В. Филиппов, Г.Н. Чумаков, И.Н. Пономарева, Д.А. Мартюшев // Недропользование. 2020. Т. 20. № 4. С. 386-400.
17.Фролов В.Г., Каминченко Д.И. Апробация содержательной модели согласования интересов экономических субъектов промышленной политики добывающей и обрабатывающей отраслей в условиях цифрови-зации // Вопросы инновационной экономики. 2021. Т. 11. № 4. С. 19051920.
18. Zhukov R.A. Economic Assessment of the Development Level of the Central Federal District Regions of the Russian Federation: Econometric Approach // Statistika. 2018. Vol. 98. No. 1. Pp. 53-68.
Жуков Роман Александрович, канд. физ.-мат. наук., доц., доц., pluszh@,mail.ru, Россия, Тула, Тульский филиал Финансового университета при Правительстве РФ,
Козлова Надежда Олеговна, канд. техн. наук, ст. преподаватель, 95kno@mail. ru, Россия, Тула, Тульский филиал Финансового университета при Правительстве РФ,
Хлынин Эдуард Валентинович, д-р экон. наук, проф., hklynin@yandex.ru, Россия, Тула, Тульский государственный университет,
Городничев Сергей Владимирович, канд. техн. наук, доц., доц., svgo-rodnichev@fa.ru, Россия, Тула, Тульский филиал Финансового университета при Правительстве РФ
ECONOMIC AND MATHEMATICAL MODELING OF THE CONDITION AND PROSPECTS OF EXTRACTION OF MINERALS IN THE CENTRAL FEDERAL
DISTRICT REGIONS
R.A. Zhukov, N.O. Kozlova, E.V. Khlynin, C.V. Gorodnichev
In clause the approach to modelling a condition and prospects of development of branch of extraction of minerals as subsystems socio-ecological-economic systems of region is considered. Research was carried out for regions of the Central federal district and the Tula area on the basis of the statistical data for the period with 2007 on 2020. Offered regression models can be used for an estimation of a condition and prospects of development of obtaining branch of region in interrelation with other subsystems that allows to reach the best economic, ecological and social results of functioning.
As a result of research the significant factors influencing volume of extraction, and, cost of a fixed capital and employment in branch are revealed. Parameters of productivity and efficiency of obtaining branch for regions of the Central federal district, reflecting achievement of normative values that allows to prove necessity of acceptance of administrative decisions for achievement of steady trajectories of development of regions in
view of the changes occuring in branch are designed.
For the Tula area tendencies of growth of extraction of the raw material used in construction are established. Reserves of development which realization will allow not only to increase volumes of manufacture are determined, but also to raise the contribution of branch to harmonious development of region as a whole.
Key words: mining, socio-ecological-economic system, regression model.
Zhukov Roman Aleksandrovich, candidate of physical and mathematical sciences, docent, docent, pluszh@,mail.ru, Russia, Tula, Financial University under the Government of the Russian Federation (Tula Branch),
Kozlova Nadezhda Olegovna, candidate of technical sciences, senior lecturer, 95kno@mail.ru, Russia, Tula, Tula branch of the Financial University under the Government of the Russian Federation,
Khlynin Eduard Valentinovich, doctor of economics, professor, hklynin@yandex.ru, Tula, Tula State University, Russia,
Gorodnichev Sergey Vladimirovich, candidate of technical sciences, associate professor, associate professor, svgorodnichev@fa.ru, Tula, Tula Branch of the Financial University under the Government of the Russian Federation
Reference
1. Arkhipov G.I. Mining industry of the Khabarovsk Territory: state and prospects of development // Mineral resources of Russia. Economics and management. 2019. No. 6 (169). pp. 45-53.
2. Balabin A.A. The right of ownership of the subsoil and the development of the extractive sector of Russia - a regional aspect // Sb. nauch. tr. Vseros. konf. from the international. participation, dedication. in memory of ak. A.G. Granberg "Spatial analysis of socioeconomic systems: history and modernity" II Granberg Conf. Siberian Branch of the Russian Academy of Sciences Institute of Economics and Organization of Industrial Production SB RAS. Novosibirsk, 2021. pp. 549-559.
3. Golovshchikov V., Ognev D., Petryakova E. Prospects of BAM and Transsib taking into account the state of the regions and the development of the coal industry // Energy policy. 2021. No. 2 (156). pp. 30-43.
4. Demidova K.V. Influence of the mining sector on the development of the North Yenisei district of the Krasnoyarsk Territory: where the effects are concentrated // The North and the market: the formation of an economic order. 2021. No. 4 (74). pp. 71-84.
5. Zhukov R.A. Assessment of the state of complex systems by the example of the regions of the Central Federal District: ecological and economic aspect // Regional studies. 2016. No. 4 (54). pp. 81-89.
6. Zhuravlev S.D., Zhukov R.A. Mathematical model for assessing the effectiveness of agricultural land use // Regional Economics and Management: electronic scientific journal. 2011. No. 3 (27). pp. 9-24.
7. Ivatanova N.P. Ecological and economic assessment of innovative development of mineral resource potential at the regional level // Izvestiya Tula State University. Earth sciences. 2017. Issue 1. pp. 182-192.
8. Kremer N.F., Putko B.A. Econometrica. M: UNITY-DANA. 2005. 311 p.
№BecTHg Tv.ifY. HayKH o 3eMne. 2022. Ban. 3
9. Kozhemyakin L.V. Application of neural networks in modeling cluster-network connections in the oil and gas industry // Applied mathematics and management issues. 2020. No. 4. pp. 137-152.
10. Kuternin M.I. Comparison of the effectiveness of various schemes of the gas industry based on mathematical modeling // Bulletin of the University. 2019. No. 10. pp. 124131.
11. Polshkov Yu.N. Applied economic aspects of management of coal mining enterprises in the region with elements of stochastic modeling // Bulletin of Donetsk National University. Ser. V. Economics and Law. 2019. No. 2. pp. 193-201.
12. Tarasov A.E. Modeling of long-term development of the Russian gas industry in modern conditions // Sb. nauch. tr. Management of development of large-scale systems (MLSD'2018). XII International conf. In 2 volumes. Under the general editorship of S.N. Va-siliev, A.D. Tsvirkun. 2018. pp. 132-134.
13. Tarasov A.E. Modeling prospects for the transformation of the gas industry of the Russian Federation in conditions of tougher competition // Sb. nauch. tr. Management of the development of large-scale systems (MLSD'2018). XII inter-dunar. conf. Under the general editorship of S.N. Vasiliev, A.D. Tsvirkun. 2019. pp. 244-247.
14. Tula Statistical Yearbook 2020.pdf [Electronic resource]. Access mode: https://tulastat.gks.ru/storage/mediabank/TynbCKHH%20 statistical%20year%202020.pdf
15. Federal State Statistics Service [Electronic resource]. Access mode: http://www.gks.ru /.
16. Application of integrated modeling in the oil and gas industry / E.V. Filippov, G.N. Chumakov, I.N. Ponomareva, D A. Martyushev // Subsoil use. 2020. Vol. 20. No. 4. pp. 386-400.
17. Frolov V.G., Kaminchenko D.I. Approbation of a meaningful model of coordination of interests of economic subjects of industrial policy of extractive and manufacturing industries in the conditions of digitalization // Issues of innovative economy. 2021. Vol. 11. No. 4. pp. 1905-1920.
18. Zhukov R.A. Economic Assessment of the Development Level of the Central Federal District Regions of the Russian Federation: Econometric Approach // Statistika. 2018. Vol. 98. No. 1. Pp. 53-68.
