CC BY
3
Научная статья УДК 332.1(571.56)
https://doi.org/10.24158/pep.2023.12.9
Кластерный анализ арктических поселений Якутии с позиции концепции резильентности
Инга Владимировна Никулкина1, Ольга Витальевна Гордячкова2, Елена Валерьевна Романова31
''Финансовый университет при Правительстве Российской Федерации, Москва, Россия 1,3Северо-Восточный федеральный университет имени М.К. Аммосова, Якутск, Россия 2Новосибирский государственный технический университет, Новосибирск, Россия 1ivnikulkina@fa.ru, https://orcid.org/0000-0002-2889-1197 2gordyachkova@corp.nstu.ru, https://orcid.org/0000-0003-0976-0906 3evroma@bk.ru, https://orcid.org/0000-0003-3827-3680
Аннотация. Смещение акцента с антикризисной повестки к задачам содействия достижению национальных целей в Арктике требует выработки новых подходов к реализации государственной политики на данных территориях РФ с учетом современных трендов: перенастройки отношений с вектором на Восток и переориентирования на развитие опорных населенных пунктов как геостратегических точек России. В современных реалиях выстроены приоритеты - развитие Северного морского пути и минерально-сырьевых центров, реализация экономических и инфраструктурных проектов, создание новой экономики Арктики. Также новых подходов требует «донастройка» инструментов повышения/обеспечения устойчивости экономических систем стратегически значимых арктических регионов. В связи с этим дана оценка социально-экономического развития муниципальных районов Арктической зоны Республики Саха (Якутия) с применением кластерного анализа. В статье он рассматривается авторами как результативный инструмент «пред-планирования» и один из инструментов отбора потенциальных населённых пунктов-кандидатов для включения в перечень стратегических территорий Арктики, что особенно актуально в свете предстоящей разработки органами исполнительной власти мастер-планов развития опорных населенных пунктов Арктической зоны России и комплексных планов социально-экономического развития до 2035 г.
Ключевые слова: кластерный анализ, кластеры, дендрограмма, социально-экономическое развитие, муниципальный район, Арктика, Арктическая зона, Республика Саха (Якутия), резильентность, опорные населенные пункты
Финансирование: работа выполнена при финансовой поддержке РФФИ в рамках международного научного проекта 20-510-71001 Арктика_т «Осмысление, привязанность к месту и расширение взаимосвязей как источники обеспечения устойчивости в Арктике: российский северо-восточный вектор» (Russian Foundation for Basic Research, RFBR).
Для цитирования: Никулкина И.В., Гордячкова О.В., Романова Е.В. Кластерный анализ арктических поселений Якутии с позиции концепции резильентности // Общество: политика, экономика, право. 2023. № 12. С. 72-81. https://doi.org/10.24158/pep.2023.12.9.
Original article
Cluster Analysis of the Arctic Settlements of Yakutia from the Perspective of the Resilience Concept
Inga V. Nikulkina1, Olga V. Gordyachkova2, Elena V. Romanova3
1Financial University under the Government of the Russian Federation, Moscow, Russia 13M.K. Ammosov North-Eastern Federal University, Yakutsk, Russia 2Novosibirsk State Technical University, Novosibirsk, Russia 1ivnikulkina@fa.ru, https://orcid.org/0000-0002-2889-1197 2gordyachkova@corp.nstu.ru, https://orcid.org/0000-0003-0976-0906 33evroma@bk.ru, https://orcid.org/0000-0003-3827-3680
Abstract. Shifting the focus from the anti-crisis agenda to the tasks of contributing to the achievement of national goals in the Arctic requires the development of new approaches to the implementation of state policy in these territories of the Russian Federation, taking into account modern trends: reconfiguring relations with the vector to the East and reorienting to the development of anchor settlements as geostrategic points of Russia. In modern realities, priorities have been set - the development of the Northern Sea Route and mineral resource centers, the
© Никулкина И.В., Гордячкова О.В., Романова Е.В., 2023
implementation of economic and infrastructure projects, and the creation of a new Arctic economy. New approaches are also required to "fine-tune" the tools to increase/ensure the sustainability of the economic systems of strategically important Arctic regions. In this regard, an assessment of the socio-economic development of the municipal districts of the Arctic zone of the Republic of Sakha (Yakutia) using cluster analysis is given. In the article it is considered by the authors as an effective tool of "pre-planning" and one of the tools for selecting potential candidate settlements for inclusion in the list of strategic territories of the Arctic, which is especially relevant in the light of the forthcoming development by the executive authorities of master plans for the development of reference settlements of the Arctic zone of Russia and comprehensive plans for socio-economic development until 2035.
Keywords: cluster analysis, clusters, dendrogram, socio-economic development, municipal district, Arctic, Arctic zone, Republic of Sakha (Yakutia), resilience, reference settlements
Funding: The reported study was funded by the Russian Foundation for Basic Research (RFBR) as part of the international research project 20-510-71001 Arctic_t "Reflection, place attachment, and expanding interconnections as sources of sustainability in the Arctic: Russian northeast vector" (Russian Foundation for Basic Research, RFBR).
For citation: Nikulkina, I.V., Gordyachkova, O.V. & Romanova, E.V. (2023) Cluster Analysis of the Arctic Settlements of Yakutia from the Perspective of the Resilience Concept. Society: Politics, Economics, Law. (12), 7281. Available from: doi:10.24158/pep.2023.12.9 (In Russian).
Введение. Стремительные геополитические и геоэкономические изменения накладывают отпечаток и на экономические процессы в российской Арктике. В современных условиях развитие этой территории РФ осуществляется под воздействием двух основных трендов. Первый из них заключается в том, что происходит трансформация экономики, перенастройка международных контактов России с вектором на Восток - происходит переориентирование партнерства на страны Юго-Восточной Азии и Ближнего Востока (причем не только по экспорту/импорту товаров, но и по запуску новых проектов, локализации производства и ведения бизнеса). Наблюдается смещение акцента в экономической политике с антикризисной повестки на задачи содействия достижению национальных целей в Арктике. Выстроенные приоритеты в этих условиях - это реализация экономических и инфраструктурных проектов в Арктической зоне (АЗ) РФ, развитие Северного морского пути. Второй тренд - смещение вектора в государственной политике с развития опорных арктических зон РФ на развитие опорных населенных пунктов российской Арктики. Развитие геостратегических территорий - опорных населенных пунктов данной территории рассматривается сегодня как основной приоритет в достижении цели по развитию минерально-сырьевых центров, Северного морского пути и созданию новой экономики Арктики.
На ближайшую перспективу перед органами исполнительной власти стоит целый ряд ответственнейших задач, поставленных президентом страны, по созданию системы господдержки геостратегически значимых территорий. Во-первых, требуется определить перечень опорных населенных пунктов Арктической зоны РФ с позиции национальной безопасности и создания базы для развития минерально-сырьевых центров, реализации экономических, инфраструктурных проектов в Арктике и разработать их мастер-планы. В настоящее время такой перечень населенных пунктов уже определен. Во-вторых, предстоит разработать мастер-планы развития опорных населенных пунктов Арктической зоны РФ и на их основе сформировать комплексные планы долгосрочного социально-экономического развития до 2035 г.
Современные реалии развития Арктики в условиях глобальных изменений требуют выработки новых подходов к решению проблем устойчивости экономики арктических регионов. Необходимость решений проблем устойчивости социально-экономических систем, в том числе арктических, придала импульс «новому прочтению» концепции резильентности (Резильентность социально-экономических систем: методологический аспект ..., 2022; Резильентность арктических поселений: опыт моделирования., 2023; Nikulkina et al., 2020)1.
Цель настоящего исследования заключалась в оценке социально-экономического развития муниципальных районов Арктической зоны Республики Саха (Якутия) с применением кластерного анализа для выявления причин внутрирегиональной дифференциации, негативных депрессивных проявлений для определения свойств резильентности арктических поселений.
Результаты кластерного анализа позволили провести углубленный анализ факторов ре-зильентности и выработать механизмы адаптации к шокам - целостный комплекс взаимосвязанных мер, определяемых современными трендами: 1) системных - стимулирование инвестиций, инноваций и развитие человеческого потенциала; 2) территориальных - тонкая «донастройка» преференциальных режимов для АЗ РФ, территорий опережающего развития России (ТОСЭР), специальных инвестиционных контрактов (СПИК); создание системы господдержки геостратегических территорий - опорных населенных пунктов российской Арктики; развитие налогового механизма для «северного завоза»: технологические, отраслевые налоговые стимулы и др.
1 Данная статья является продолжением цикла публикаций в рамках международного научного проекта по изучению резильентности (жизнеспособности) арктических поселений к экономическим шокам.
Кластеризация, то есть многомерная классификация объектов как метод исследования активно применяется в различных сферах, в том числе и применительно к общественным наукам в целом и к экономике в частности.
Учитывая большое количество разноуровневых субъектов РФ и их специфику, кластерный анализ очень активно используется при проведении региональных и отраслевых социально-экономических исследований. Например, для оценки состояния промышленности в России (Шишулин, 2017), классификации территорий с позиции налоговой компоненты устойчивого развития (Кластерный анализ регионов РФ для выявления территорий - драйверов устойчивого развития: налоговая компонента ..., 2021), диагностики регионального прогресса (Бадарчи, 2009), оценки развития цифровой экономики в субъектах страны (Никитина, Куркин, 2020), миграционных тенденций (Ахметзянова, Атнабаева, 2020), инновационного потенциала на субфедеральном уровне (Шматко, Губин, 2020) и инвестиционной привлекательности регионов России (Гордячкова, 2013).
На микроуровне кластерный анализ также находит свое применение: например, иерархический кластерный анализ как разновидность агломеративного анализа применяется для оценки финансового состояния организаций одной отрасли (Чачина, 2015), для анализа потребительских предпочтений в электронной коммерции (Белоусова, Плесская, 2022).
Методологические основы проведения анализа и постановка проблемы. Применительно к настоящему исследованию кластерный анализ рассматривается как: 1) способ выявления проблем и формирования перечня муниципальных районов (МР) Республики Саха (Якутия) с низкими социально-экономическими показателями; 2) метод оценки потенциала и отбора МР, которые могут стать лидерами развития, под которые могут создаваться инвестиционные проекты развития; 3) как инструмент оценки динамики развития МР, их движения относительно сформировавшихся групп для прогнозирования социально-экономического развития и разработки региональных программ; 4) как инструмент мониторинга геостратегических территорий России.
К Арктической зоне Республики Саха (Якутия) относятся 13 муниципальных районов, которые достаточно сильно разнятся по ряду показателей: площади (самой маленькой территорией является территория Эвено-Бытантайского МР, а самой большой - Оленекского МР, соотношение по площади составляет 1/б), объему валовой продукции сельского хозяйства (минимальный уровень производства - Анабарский мР, максимальный - Момский МР, соотношение составляет 1/12), величине инвестиций в основной капитал (минимальный уровень инвестиций - Аллаиховский МР, максимальный - Булунский МР, соотношение по объему инвестиций составляет 1/288) и другим показателям1. Выявленные характеристики позволяют выделить среди всех районов Арктической зоны республики однородные группы, то есть кластеры, на основе метода многомерной классификации - кластерного анализа.
Кластерный анализ муниципальных районов Арктической зоны Республики Саха (Якутия) проводился на базе 27 показателей2, объективно характеризующих социально-экономическое состояние районов (табл. 1):
Таблица 1 - Система показателей для проведения оценки социально-экономического развития муниципальных районов Арктической зоны Республики Саха (Якутия) с применением кластерного анализа3
Table 1 - System of Indicators for Assessment Socio-Economic Development of Municipal Districts of the Arctic Zone of the Republic of Sakha (Yakutia) Using Cluster Analysis_
Группа показателей Показатели, ед. измерения
1 2
Показатели социального развития
Народонаселение - численность населения, чел.; - численность коренных малочисленных народов Севера, чел.; - показатели естественного и миграционного движения; - плотность населения, чел./кв. км
Состояние жилищно-коммунального хозяйства - число негазифицированных населенных пунктов; - число источников теплоснабжения; - удельный вес ветхого и аварийного жилья, %
Образование - число общеобразовательных учреждений; - численность работников, осуществляющих образовательную деятельность
1 По показателям 2021 года.
2 Для анализа были использованы открытые данные Росстата, в частности: База данных показателей муниципальных образований Росстата [Электронный ресурс] // Федеральная служба государственной статистики. URL: https://rosstat.gov.ru/free_doc/new_site/bd_munst/munst.htm (дата обращения 08.12.2023) ; Официальные публикации Саха(Якутия)стата [Электронный ресурс] // Территориальный орган Федеральной службы государственной статистики по Республике Саха (Якутия). URL: https://14.rosstat.gov.ru/folder/39429 (дата обращения: 08.12.2023).
3 Составлено авторами.
Продолжение таблицы 1
1 2
Здравоохранение - число амбулаторно-поликлинических учреждений; - число врачей; - число больничных коек
Показатели экономического развития
Состояние рынка труда - численность рабочей силы; - уровень безработицы,%; - средняя номинальная заработная плата, руб.
Промышленность - объем отгруженных товаров собственного производства, тыс. руб.; - инвестиции в основной капитал, тыс. руб.
- валовая продукция сельского хозяйства, тыс. руб.;
Сельское хозяйство и традиционное хозяйствование - поголовье оленей, голов;
- поголовье лошадей, голов;
- поголовье крупного рогатого скота, голов; - улов рыбы, т
Транспорт - объем перевозки грузов автотранспортом, тыс. т; - объем перевозки грузов речным транспортом, тыс. т
Кластерный анализ был проведен по показателям 2008, 2013, 2021 гг. с использованием пакета статистической программы SPSS Statistics.
Выбор указанных годов для проведения анализа неслучаен, он обусловлен наличием внешних шоков, так или иначе оказавших влияние на состояние социально-экономической системы арктических поселений: 2008 г. - год наиболее яркого проявления мирового финансово-экономического кризиса; 2013 г. выбран как своего рода «модельный год», характеризующий состояние экономики районов до введения экономических санкций в отношении России, предшествовавший началу реализации государственной программы по развитию Арктики до 2020 г.1, и год, когда была ликвидирована воинская часть в п. Тикси Булунского района, являвшаяся системообразующим субъектом экономики всей Арктической зоны республики. В связи с закрытием данных за 2022 г. последним годом для кластеризации был определен 2021 г. Что касается часто упоминаемых внешних шоков, связанных с цифровизацией экономики и пандемией COVID-19, то уровень цифровизации Арктической зоны Якутии пока является крайне невысоким, проект по прокладке глубоководной волоконно-оптической линии «Мурманск - Владивосток» находится еще в процессе реализации2, а широкополосный доступ к сети Интернет существует пока только в двух районах Якутии.
Значительного воздействия COVID-19 на арктические районы республики не наблюдалось по следующим причинам: 1) в связи с низкой плотностью и высокой дисперсностью населения по территории республики; 2) значительной степенью автономности поселений и логистическими сложностями; 3) наличием временного лага между началом пандемии в России и в Арктических поселениях республики, позволившего местным властям предпринять все необходимые меры профилактики и защиты от коронавирусной инфекции.
Предварительная подготовка данных для кластерного анализа включала в себя процедуру нормирования их значений с целью устранения влияния единиц измерения на результаты кластеризации. Нормированное значение величины статистического показателя определялось по формуле (Заварухин и др., 2022), (Прохоренков и др., 2022):
г (1)
Лнорм ' V1 /
где хнорм - нормированное значение величины статистического показателя;
Xj - значение статистического показателя;
х - среднее значение статистического показателя;
a - среднее квадратическое отклонение.
Число кластеров определялось исходя из результатов иерархической классификации муниципальных районов методов Варда. Для определения расстояния между наблюдениями было выбрано евклидово расстояние.
Для дальнейшей характеристики кластеров использовались средние показатели как обобщающие характеристики (для каждого кластера по i-тому показателю была рассчитана средняя величина).
Результаты кластеризации муниципальных районов Арктической зоны Республики Саха (Якутия). В результате иерархической классификации муниципальных районов Арктической зоны республики методом Варда были сформированы дендрограммы (рис. 1), наглядно демонстрирующие изменения, произошедшие в структуре кластеров за исследуемые годы.
1 Об утверждении государственной программы «Социально-экономическое развитие Арктической зоны Российской Федерации на период до 2020 года : Постановление Правительства РФ от 21.04.2014 № 366 // Собрание законодательства Российской Федерации от 05.05.2014 № 18 (часть IV), ст. 2207.
2 Цифровизация Арктики: старт глубоководной прокладки волоконно-оптической линии связи [Электронный ресурс] // ТАСС. Ш1_: http://tass.ru/press/13069 (дата обращения: 15.10.2023).
а) 2008 год
б) 2013 год
в) 2021 год
Рисунок 1 - Дендрограммы с использованием метода Варда. Совмещение кластера перемасштабированных расстояний1
Figure 1 - Dendrograms Using Ward's Method. Combining a Cluster of Rescaled Distances
Распределение муниципальных районов по кластерам представлено в табл. 2.
Таблица 2 - Результаты кластерного анализа методом k-средних по нормированным показателям в динамике
Table 2 - Results of K-Means Cluster Analysis of Normalised Indicators in Dynamics
Муниципальные районы Арктической зоны 2008 2013 2021
Республики Саха (Якутия)
Абыйский 2 2 2
Аллаиховский 2 2 2
Анабарский 2 2 2
Булунский 2 2 1
Верхнеколымский 2 2 2
Верхоянский 1 1 3
Жиганский 2 2 2
Момский 2 2 2
Нижнеколымский 2 2 2
Оленекский 2 2 2
Среднеколымский 1 1 1
Усть-Янский 2 2 1
Эвено-Бытантайский 2 2 2
1 Рисунок 1, таблица 2 составлены авторами.
По результатам кластеризации муниципальных районов Арктической зоны республики в 2008 г. многочисленная группа территорий, а именно 11 МР, составила второй кластер (см. табл. 2). Это районы с наибольшими показателями численности малочисленных коренных народов Севера, поголовья оленей, высоким удельным весом ветхого и аварийного жилья, низкими показателями состояния системы образования и здравоохранения, численности рабочей силы, объемов перевозок транспортом.
Малочисленная группа, в состав которой вошли Верхоянский и Среднеколымский муниципальные районы, сформировала первый кластер, характеризующийся высокими показателями численности населения, рабочей силы, объема валовой продукции сельского хозяйства, в том числе поголовья лошадей, крупного рогатого скота, объема перевозок грузов, в том числе речным транспортом, высокими показателями состояния системы образования и здравоохранения.
Можно сделать вывод о том, что второй кластер составили районы с определенной специализацией на развитии традиционной деятельности коренных малочисленных народов Севера. Первый же кластер включает регионы с относительно более высоким уровнем развития промышленности, сельского хозяйства, транспорта и социальной сферы.
Наглядно различие кластеров по нормированным показателям представлено на рис. 2.
2,5 -
1 кластер 2 кластер
Рисунок 2 - Средние значения кластерных групп в стандартизованном масштабе по показателям 2008 г.1
Figure 2 - Average Values of Cluster Groups on a Standardized Scale for 2008
Кластеризация районов Арктической зоны Якутии в 2013 г. позволила также выделить 2 кластера (принадлежность районов кластерам сохранилась), но отличающихся между собой лишь по показателям поголовья лошадей и крупного рогатого скота (рис. 3).
200
1 кластер 2 кластер
Рисунок 3 - Средние значения кластерных групп в стандартизованном масштабе по показателям 2013 г.1
Figure 3 - Average Values of Cluster Groups on a Standardized Scale for 2013
Таким образом, в 2013 г. наблюдается некоторое сближение основных показателей социально-экономического развития, за исключением специализации на традиционных видах хозяйствования.
В 2021 г. в структуре кластеров произошли изменения: были выделены 3 кластера (рис. 4). Первый из них составили 3 района - Булунский, Среднеколымский и Усть-Янский (см. табл. 2): это территории с наиболее высокими показателями численности коренных малочисленных народов Севера (далее - КМНС), миграционного оттока населения, средней заработной платы, объемов улова рыбы, инвестиций в основной капитал, а также с низким уровнем безработицы, объемов перевозок грузов автотранспортом и доли ветхого и аварийного жилья. Второй кластер составили 9 муниципальных районов (см. табл. 2) с также высокими показателями численности КМНС, уровня безработицы, средней заработной платы, доли ветхого и аварийного жилья. При этом рис. 4 наглядно демонстрирует, что по подавляющему числу социально-экономических показателей районы данного кластера показывают наименьшие значения: показателям народонаселения, сельского хозяйства, состояния жилищно-коммунального хозяйства, образования и здравоохранения.
Таким образом, можно говорить о том, что данный кластер сформирован условно «депрессивными» районами, требующими наиболее активных действий по их социально-экономическому развитию.
3,5
• 1 кластер • 2 кластер • 3 кластер
Рисунок 4 - Средние значения кластерных групп в стандартизованном масштабе по показателям 2021 г.1
Figure 4 - Average Values of Cluster Groups at Standardized Scales for 2021
Третий кластер представлен одним муниципальным районом - Верхоянским, для которого характерны наибольшие значения по показателям народонаселения, рабочей силы, сельского хозяйства, перевозок грузов, в том числе авто- и речным транспортом, состояния сферы образования и здравоохранения. При этом наименьшие значения наблюдаются по показателям численности КМНС, рабочей силы, средней заработной платы, инвестиций в основной капитал и удельного веса ветхого и аварийного жилья. Выявленные особенности можно объяснить интенсификацией промышленного освоения данного района, на территории которого находятся крупные месторождения олова, сурьмы, золота, серебра и вольфрама и функционируют такие предприятия, как ОАО «Полюс Золото», ОАО «Звезда» и т.д. С определенной долей условности можно сказать, что данный кластер является передовым по совокупности социально-экономических показателей.
Заключение. Метод кластеризации муниципальных районов Арктической зоны Республики Саха (Якутия) позволил выявить как положительные, так и отрицательные моменты в динамике их социально-экономического развития. Так, за исследуемый период произошли заметные изменения в структуре кластеров: с момента начала реализации государственной программы по развитию Арктики исследуемые районы стали более дифференцированными по ряду показателей. Это может быть обусловлено «точечным» промышленным развитием отдельных муниципалитетов второго уровня, которые оказывают влияние на показатели социально-экономического развития муниципальных районов в целом.
Проведенный анализ позволил разделить все исследуемые районы на условно «успешные» и «депрессивные»; при этом к условно «депрессивным» в значительной мере оказались
отнесены районы с наибольшими показателями численности коренных малочисленных народов Севера и с традиционной специализацией. Это также подтверждает необходимость «развития всей социальной инфраструктуры, а не только исключительно промышленного освоения», а также интенсификации усилий по совершенствованию законодательной базы, регулирующей развитие и защиту исконной среды обитания и традиционного образа жизни коренных малочисленных народов (Гордячкова, Калаврий, 2022).
Кроме того, проведенное исследование показало, что для всех без исключения муниципальных районов Арктической зоны Якутии наиболее остро стоит проблема значительной доли ветхого и аварийного жилья, низкого населенческого потенциала, что несовместимо с долгосрочными планами по развитию АЗ и закреплению там людей.
Таким образом, выстраивание государственной политики развития российской Арктики в новых экономических условиях должно осуществляться с позиции обеспечения устойчивости экономики ее регионов к нарастающим шокам с учетом современных трендов - смещения вектора на Восток и на развитие опорных населенных пунктов как геостратегических территорий России.
Список источников:
Ахметзянова М.И., Атнабаева А.Р. Исследование привлекательности муниципальных районов и городов Республики Башкортостан с применением компонентного и кластерного анализов // Вестник евразийской науки. 2020. Т. 12, № 5. С. 1-11. https://doi.org/10.15862/06ECVN520.
Бадарчи Х.Б.О. Диагностика регионального развития: методы кластерного анализа // Экономика и управление: научно-практический журнал. 2009. № 4 (90). С. 76-81.
Белоусова М.Н., Плесская О.В., Фомичев А.О. Кластерный анализ потребительских предпочтений в электронной коммерции // Социальные и экономические системы. 2022. № 6-7 (36). С. 274-288.
Гордячкова О.В. Кластерный анализ привлечения иностранных инвестиций российскими регионами // Российское предпринимательство. 2013. № 3 (225). С. 116-121.
Гордячкова О.В., Калаврий Т.Ю. Промышленное освоение Арктики VS традиционный образ жизни: опыт управ -ления социально-экономическим развитием в Республике Саха (Якутия) // ЭКО. 2022. № 10 (580). С. 129-147. https://doi.org/1 O.30680/Ec00131 -7652-2022-10-129-147.
Заварухин В.П., Чинаева Т.И., Чурилова Э.Ю. Регионы России: результаты кластеризации на основе экономических и инновационных показателей // Статистика и экономика. 2022. Т. 19, № 5. С. 35-47. https://doi.org/10.21686/2500-3925-2022-5-35-47.
Кластерный анализ регионов РФ для выявления территорий - драйверов устойчивого развития: налоговая компонента / Е.С. Вылкова [и др.] // Вестник Томского государственного университета. Экономика. 2021. № 53. С. 138-157. https://doi.org/10.17223/19988648/53/11.
Никитина Л.М., Куркин В.А. Применение кластерного анализа для оценки развития цифровой экономики регионов России // Регион: системы, экономика, управление. 2020. № 3 (50). С. 28-38. https://doi.org/10.22394/1997-4469-2020-50-3-28-38.
Прохоренков П.А., Регер Т.В., Гудкова Н.В. Методы кластерного анализа в региональных исследования // Fundamental Research. 2022. № 3. С. 100-106.
Резильентность арктических поселений: опыт моделирования / И.В. Никулкина [и др.] // Теория и практика общественного развития. 2023. № 11 (187). С. 176-184. https://doi.org/10.24158/tipor.2023.11.22.
Резильентность социально-экономических систем: методологический аспект / И.В. Никулкина [и др.] // Вопросы инновационной экономики. 2022. Т. 12, № 1. С. 659-668. https://doi.org/10.18334/vinec.12.1.114087.
Чачина Е.Г. Анализ финансовой отчетности организаций хлебобулочной отрасли с использованием методологии кластерного анализа // Аудит и финансовый анализ. 2015. № 1. С. 257-262.
Шишулин С.С. Методология сравнительного статистического анализа промышленности России на основе кластерного анализа // Статистика и экономика. 2017. № 3. С. 21-30. https://doi.org/10.21686/2500-3925-2017-3-21-30.
Шматко А.Д., Губин С.В. Кластерный анализ инновационного потенциала субъектов РФ // Управленческое консультирование. 2020. № 3 (135). С. 61-72. https://doi.org/10.22394/1726-1139-2020-3-61-72.
Nikulkina I.V., Gordyachkova O.V., Sukneva S.A., Romanova E.V., Gherardi J., Wardekker A., Antonova M.E. Resilience of Arctic Communities: Socio-Economic Aspect // International Journal of Criminology and Sociology. 2020. Т. 9. Р. 3066-3081. https://doi.org/10.6000/1929-4409.2020.09.373.
References:
Akhmetzianova, M. I. & Atnabaeva, A. R. (2020) Research of the Attractiveness of Municipal Districts and Cities of the Republic of Bashkortostan Using Component and Cluster Analyzes. The Eurasian Scientific Journal. 12 (5), 1-11. Available from: doi:10.15862/06ECVN520. (In Russian).
Badarchi, Kh. B. O. (2009) Regional Development Diagnostics: Methods of Cluster Analysis. Economics and Management: Research and Practice Journal. (4 (90)), 76-81. (In Russian).
Belousova, M. N., Plesskaya, O. V. & Fomichev, A. O. (2022) Cluster Analysis of Customer Preferences in E-Commerce. Social and Economic Systems. (6-7 (36)), 274-288. (In Russian).
Chachina, E. G. (2015) Analysis of Financial Statements of Bakery Industry Using the Methodology of Cluster Analysis. Audit i finansovyi analiz. (1), 257-262. (In Russian).
Gordyachkova, O. V. & Kalavriy, T. Yu. (2022) Industrial Development of the Arctic Vs Traditional Way of Life: Experience of Managing Socio-Economic Development in the Republic of Sakha (Yakutia). ECO. (10 (580)), 129-147. Available from: doi:10.30680/Eœ0131-7652-2022-10-129-147. (In Russian).
Gordyachkova, O. V. (2013) Cluster Analysis of Foreign Investment Attraction to Russian Regions. Russian Journal of En-trepreneurship. (3 (225)), 116-121. (In Russian).
Nikitina, L. M. & Kurkin V. A. (2020) Application of Cluster Analysis to Assess the Development of the Digital Economy In Russian Regions. Region:sistemy, ekonomika, upravlenie. (3 (50)), 28-38. Available from: doi:10.22394/1997-4469-2020-50-3-28-38. (In Russian).
Nikulkina, I. V., Gordyachkova, O. V., Kalavriy, T. Yu., Vanderlinden, J. P. (2022) Socio-Economic Systems Resilience: Methodological Aspect. Russian Journal of Innovation Economics. 12 (1), 659-668. Available from: doi:10.18334/vinec.12.1.114087. (In Russian).
Nikulkina, I. V., Gordyachkova, O. V., Romanova, E. V. & Kalavriy, T. Yu. (2023) Arctic Settlement Resilience: Modeling Experience. Theory and Practice of Social Development. (11 (187)), 176-184. Available from: doi:10.24158/tipor.2023.11.22. (In Russian).
Nikulkina, I. V., Gordyachkova, O. V., Sukneva, S. A., Romanova, E. V., Gherardi, J., Wardekker, A. & Antonova, M. E. (2020) Resilience of Arctic Communities: Socio-Economic Aspect. International Journal of Criminology and Sociology. 9, 3066-3081. Available from: doi:10.6000/1929-4409.2020.09.373.
Prokhorenkov, P. A., Reger, T. V. & Gudkova, N. V. (2022) Cluster Analysis Methods in Regional Studies. Fundamental Research. (3), 100-106. (In Russian).
Shishulin, S. S. (2017) Methodology Сomparative Statistical Analysis of Russian Industry Based on Cluster Analysis. Statistics and Economics. (3), 21-30. Available from: doi:10.21686/2500-3925-2017-3-21-30. (In Russian).
Shmatko, A. D. & Gubin, S. V. (2020) Cluster Analysis of the Innovative Potential of Russian Regions. Administrative Consulting. (3 (135)), 61-72. Available from: doi:10.22394/1726-1139-2020-3-61-72.
Vylkova, E. S., Viktorova, N. G., Naumov, V. N. & Pokrovskaya, N. V. (2021) Tax Clusterization of Regions of the Russian Federation to Identify Territories-Drivers of Sustainable Development. Tomsk State University Journal of Economics. (53), 138157. Available from: doi:10.17223/19988648/53/11. (In Russian).
Zavarukhin, V. P., Chinaeva, T. I. & Churilova, E. Yu. (2022) Regions of Russia: Clustering Results Based on Economic and Innovation Indexes. Statistics and Economics. 19 (5), 35-47. Available from: doi:10.21686/2500-3925-2022-5-35-47. (In Russian).
Информация об авторах И.В. Никулкина - доктор экономических наук, профессор департамента налогов и налогового администрирования Финансового университета при Правительстве Российской Федерации, Москва, Россия; профессор кафедры экономики и финансов Северо-Восточного федерального университета имени М.К. Аммосова, Якутск, Россия.
https://www.elibrary.ru/author_items.asp?authorid=644435
0.В. Гордячкова - кандидат экономических наук, доцент кафедры экономической теории и прикладной экономики Новосибирского государственного технического университета, Новосибирск, Россия.
https://www.elibrary.ru/author_items.asp?authorid=685070
Е.В. Романова - кандидат экономических наук, доцент кафедры экономической теории Северо-Восточного федерального университета имени М.К. Аммосова, Якутск, Россия. https://www.elibrary.ru/author_items.asp?authorid=621328
Вклад авторов:
все авторы сделали эквивалентный вклад в подготовку публикации. Конфликт интересов:
авторы заявляют об отсутствии конфликта интересов.
Information about the authors
1.V. Nikulkina - D.Phil. in Economics, Professor, Department of Taxes and Tax Administration, Financial University under the Government of the Russian Federation, Moscow, Russia; Professor, Department of Economics and Finance, M.K. Ammosov North-Eastern Federal University, Yakutsk, Russia.
https://www.elibrary.ru/author_items.asp?authorid=644435
O.V. Gordyachkova - PhD in Economics, Associate Professor, Department of Economic Theory and Applied Economics, Novosibirsk State Technical University, Novosibirsk, Russia. https://www.elibrary.ru/author_items.asp?authorid=685070
E.V. Romanova - PhD in Economics, Associate Professor, Department of Economic Theory, M.K. Ammosov North-Eastern Federal University, Yakutsk, Russia. https://www.elibrary.ru/author_items.asp?authorid=621328
Contribution of the authors:
The authors contributed equally to this article.
Conflicts of interests:
The authors declare no conflicts of interests.
Статья поступила в редакцию / The article was submitted 08.11.2023; Одобрена после рецензирования / Approved after reviewing 06.12.2023; Принята к публикации / Accepted for publication 19.12.2023.
Авторами окончательный вариант рукописи одобрен.
