CC BY
25
РАЗДЕЛ III.
СТАТИСТИКА В СОВРЕМЕННОМ МИРЕ: МЕТОДОЛОГИЯ, МЕТОДЫ, АНАЛИЗ
УДК 330.4
Деркаченко О.В.
МНОГОМЕРНЫЙ АНАЛИЗ РЕГИОНОВ РОССИИ ПО УРОВНЮ РАЗВИТИЯ ЦИФРОВОЙ ЭКОНОМИКИ
Аннотация
В статье проведен статистический анализ отдельных показателей цифровой экономики. На основе кластерного анализа выявлены однородные регионы по уровню цифровой экономики. Получено четыре кластера регионов с различной степенью циф-ровизации. Для отнесения регионов к определенным кластерам построены дискрими-нантные функции. Показано применение дискриминантных функций для определения принадлежности регионов к полученным кластерам. Предложена методика многомерного анализа цифровой экономики регионов, базирующаяся на кластерных технологиях и дискриминантных моделях.
Ключевые слова
Кластерный анализ, принадлежность, однородные регионы, методика, дискрими-нантные модели.
JEL: C15
Derkachenko O. V.
MULTIDIMENSIONAL ANALYSIS OF RUSSIA'S REGIONS ON THE LEVEL OF DEVELOPMENT OF THE DIGITAL ECONOMY
Annotation
The article examines the indices of the digital economy and performed a statistical analysis of individual indicators. On the basis of cluster analysis, homogeneous regions in terms of the level of the digital economy have been identified. Four clusters of regions with varying degrees of digitalization have been obtained. Discriminatory functions have been built to categorize regions as specific clusters. The use of discriminatory functions to determine the belonging of regions to the resulting clusters is shown. A multidimensional analysis of the digital economy of the regions, based on cluster technologies and discriminatory models, has been proposed.
Keywords
Cluster analysis, affiliation, homogeneous regions, methodology, discriminatory models.
Введение. Цифровая экономика -одно из наиболее важных и перспективных развивающихся направлений во всех странах мира. Рост цифровой экономики оказывает влияние на все сферы человеческой деятельности и в конечном итоге приводит к повышению качества жизни населения. Цифровая экономика в России по отдельным показателям отстает от некоторых стран мира. Для решения проблемы в этой области в Российской Федерации разработана государственная программа «Цифровая экономика».
В настоящее время термин «цифровая экономика» трактуется по-разному и четкого понятия и определения пока нет. Существующие определения цифровой экономики не учитывают уровни ее использования и цели применения в практической деятельности. Автором предлагается следующее определение: цифровая экономика - применение компьютерных технологий в экономической и социальной сферах на всех уровнях (от государства до гражданина) с целью экономического роста и повышения качества жизни населения.
Цифровизация различных видов экономической деятельности влечет за собой обработку и анализ массивов больших данных. На данный момент разработан ряд методик для оценки уровня цифровизации регионов России. Используя ряд частных и общих индексов, они позволяют оценить регионы по уровню их цифровизации, например за счет рейтинговой оценки. Однако существующие методики не позволяют выявить, как далеко/близко находятся друг от друга регионы по уровню цифровизации: хорошему, среднему или низкому.
Эта задача может быть решена на основе кластерного анализа как представителя многомерных статистических методов. Кластеризация позволяет:
- производить разбиение объектов не по одному показателю, а по целому
набору показателей, что дает возможность получить реальную информацию об их состоянии;
- выявлять однородные кластеры и нетипичные («аномальные») объекты с целью их дальнейшего анализа и прогнозирования показателей;
- рассматривать достаточно большой объем статистических данных и резко сокращать, сжимать большие массивы информации, делать их компактными и наглядными;
- проводить разбиение всех регионов на группы регионов, схожих по уровню цифровой экономики, что упростит дальнейшую обработку информации и позволит применить к каждому кластеру определенный метод анализа.
Вторая проблема возникает в том случае, если кластеризация проводится не по всем регионам, а выборочно. Стоит вопрос: к каким кластерам отнести регионы, не участвующие в кластерном анализе? Эту задачу можно решить на основе дискриминантных моделей.
Целью исследования является оценка уровня цифровой экономики регионов России на основе многомерных методов: кластерного и дискриминант-ного анализа.
Методы и результаты. Правительством страны разработан паспорт программы «Цифровая экономика РФ», который включает шесть федеральных проектов. Бюджет программы составляет 1634,9 млрд руб. На рисунке 1 показан объем финансирования проектов, за исключением проекта «Нормативное регулирование цифровой среды», объем финансирования которого составляет 1,7 млрд руб.
Внутренние затраты на развитие цифровой экономики за счет всех источников в процентах от ВВП следующие: 2019 г. - 2,2%; 2021 г. - 3,0%, 2024 г. - 5%. В настоящее время в статистических справочниках и сборниках РФ и регионов приводится незначительное число показателей информаци-
онно-коммуникативных технологий и их характеристик. Например, количество организаций, использовавших персональные компьютеры, серверы, элек-
Статистика по индексам цифровой экономики приведена в таблице 1. Индексы выражены в баллах по 100-балльной шкале.
Регионы выбирались генератором случайных чисел с использованием 20%-й выборки. Для выделения однородных регионов по уровню цифрови-зации используется кластерный анализ и статистические данные (индексы цифровой экономики: ^ — административные показатели, /2 — кадры, /3 — исследовательские компетенции, инфраструктура, безопасность, ко-номические показатели, эффект от внедрения) таблицы 1.
На основе теоретических положений кластерного анализа [2-5] и пакета прикладных программ Statistica построена дендрограмма (рис. 2) кластериза-
тронную почту и Интернет. Поэтому в данном исследовании используются индексы цифровой экономики, приведенные в работе [1].
ции регионов по индексам, указанных в таблице 1.
На рисунке 2 по оси ординат показано евклидово расстояние, по оси абсцисс - номер и наименование региона в соответствии с таблицей 1. Из рисунка 2 видно, что образовалось несколько кластеров.
Выделение кластеров проводится с использованием граничного значения евклидова расстояния и критерия качества разбиения регионов на кластеры. Граничное значение определяется по формуле:
Бгр = к* Бтах, где - максимальное значение ев-
клидова расстояния; к - коэффициент, который задается в пределах от 0,1 до 0,9.
900 800 700 600 500 400 300 200 100 0
772,4
143,1
инфраструктура
кадры
451,8
235,7
30,2
безопасность
технологии
управление
Рисунок 1 - Объем финансирования национального проекта «Цифровая экономика», млрд руб.
Источник: составлено автором по данным [1].
Таблица 1 - Индексы цифровой экономики регионов РФ
Номер региона Регион Ii I2 I3 I4 I5 I6 I7
С1 Красноярский край 59,1 61,2 64,9 67,8 67,7 62,1 64,5
С2 Ивановская область 53,1 50,5 46,7 50,2 53,8 54,4 49,7
С3 г. Санкт-Петербург 73,1 80 74,9 76,6 77,6 68,3 79,9
С4 Краснодарский край 65,8 70,5 60,5 66,7 60,3 66,4 66,7
С5 Кировская область 48,9 50,5 56,6 51,8 50,6 51,9 54,3
С6 Республика Саха 60,2 73,3 73,7 75,8 72,2 63 70,3
С7 Ростовская область 63 70,7 71,1 72,3 72 74 72,8
С8 Республика Сев. Осетия 40,3 42,4 42,9 42,8 41,8 40,6 41,4
С9 Карачаево-Черкесская Республика 41,9 40 40,2 40,6 39,6 43,5 36,6
С10 Свердловская область 61 68,7 66,4 65,7 62,9 62,9 67,2
С11 Белгородская область 70,1 72,5 73,6 72 72,1 75,7 77,5
С12 Тверская область 53,9 50,5 52,1 51,1 51,4 51 50
С13 Липецкая область 67,5 75 73,2 73,2 73,9 65,3 73,4
С14 Пензенская область 46,6 46,8 51,4 51,1 50 50 47,8
С15 Московская область 71,5 79,3 78,9 76,3 73,1 73,9 74,8
С16 Самарская область 71,5 72,4 75,9 67 70 73,3 71
С17 Еврейская авт. область 39,9 39,7 40,2 39,7 39,1 39,8 40
Тюменская область 76,2 76,2 80,5 77,3 69,9 73,7 76,5
Оренбургская область 67,9 66,3 69,8 64,2 66,4 67,4 67,7
Брянская область 45,9 44,6 43,3 50,9 47,6 50,9 51,7
Источник: составлено автором по данным [1].
Дендрограмма для 17 набл. Метод полной связи Евклидово расстояние
О)
ю о
X
к о
I-о о го о.
80
60
40
20
С_17 С_8 С_5 С_2 С_11 С_13 С_15 С_10 С_1 С 9 С 14 С 12 С 16 С 7 С 6 С 3 С 4
О
А
5
к с й
е р
в
и
а к и л
б у
п с е Р
и
р
е
.ч
а р
а аК
я и т е с О
5
н р
е в е С
Е
с е Р
ь т с а л б о
§
к с н е з н
е Пе
ь т с а л б о
§
к с в
о р
и К
ь т с а л б о
§
к
с р
е в
Н
ь т с а л б о
§
к с в о н а
в Ив
ь т с а л б о
к
с р
а м а С
ь т с а л б о ая
к
с
д
о р
о г л е Б
ь т с а л б о
к с в о т с о Р
ь т с а л б о
к ц
е п и
ч
а хаа
С а к и л
б у
п с е Р
ь т с а л б о
§
к с в о к с о
г р
у
б р
е т е Пе-
-тк
н а С
ь т с а л б о
к с в о
л д
р
е в С
й
а й
р а
к р
й к
и й
к и
с к
р с
а р
д я
о о
н н
с с
а а
р р
К К
Рисунок 2 - Результаты кластеризации регионов по индексам цифровой экономики
Источник: составлено автором по результатам кластеризации регионов.
При данной кластеризации коэффициент, от которого зависит граничное значение, выбран равным 0,3. При этом значении критерий качества разбиения регионов на кластеры является максимальным. Критерий качества - это отношение межкластерной дисперсии к внутрикластерной. Чем больше межкластерная дисперсия и меньше внутрикла-стерная, тем больше критерий, что сви-
детельствует о наилучшем разбиении регионов на кластеры.
При к = 0,3 имеем: Dгр. = 0,3*96 = 28,8. При таком граничном значении выделяется четыре кластера. Первый кластер - это Еврейская АО, Карачаево-Черкесская Республика и Республика Северная Осетия; второй - Пензенская, Кировская, Тверская и Ивановская области; третий - от Самарской области
0
до г. Санкт-Петербурга; четвертый -Свердловская область, Краснодарский и Красноярский край. Анализ таблицы 1 и рисунка 2 показал, что можно выделить четыре уровня цифровизации: первый кластер - низкий уровень; второй - ниже среднего; третий - выше среднего; четвертый - средний. Для перехода регионов с низших уровней цифровизации на вышестоящие уровни разработаны следующие предложения:
- увеличение объемов финансирования процессов цифровизации;
- развитие и расширение возможностей региональных порталов государственных услуг;
- создание специальных подразделений по внедрению и использованию цифровой экономики;
- развитие компьютерных технологий по предоставлению онлайн-услуг;
- строительство базовых станций сотовой связи в труднодоступных населенных пунктах и подключение к Интернету сельских школ;
- обеспечение подготовки высококвалифицированных кадров для цифровой экономики. Разработка учебных программ и методических материалов по новым профессиям;
- введение в отдельных вузах программы подготовки студентов по специальности «Статистика» с целью эффективной работы с многомерными статистическими данными;
- расширение производства цифрового контента (цифровых продуктов и услуг) и объемов электронной торговли;
- повышение мотивации у предприятий и организаций к внедрению новых компьютерных технологий.
В том случае, если кластеризация проводится не по всем регионам, а выборочно, возникает вопрос: к каким кластерам отнести регионы, не участвующие в кластерном анализе? Эту задачу можно решить на основе дискри-минантного анализа.
Для каждого кластера строятся дискриминантные модели, и для каждой из них определяются дискриминантные функции. По максимальному значению функции делается вывод о принадлежности региона к определенному кластеру [5]. С использованием пакета прикладных программ 81ай81;1са построены дискриминанатные модели (функции классификации) для четырех кластеров (табл. 2).
Таблица 2 - Коэффициенты функций классификации
Индексы Первая функция Вторая Третья Четвертая
I: -1,818 -2,296 -5,13 -3,62
12 3,419 4,057 8,01 6,00
1з 4,948 6,211 8,80 7,43
14 4,689 5,682 5,97 7,01
15 8,575 10,952 16,69 13,54
1б 7,633 9,530 13,90 12,11
17 -3,474 -4,055 -5,55 -4,73
Константа -493,692 -775,879 -1564,94 -1222,07
Источник: составлено автором по результатам дискриминантного анализа.
По данным таблицы 2 запишем дискриминантные модели:
^ = -49 3,69 - 1,82/х + 3,42/2 + 4,95/3 + 4,69/4 + 8, 58/5 + 7,63/6 - 3,47/7; Г2 = - 7 75,88 - 2, 3О /х + 4,06/2 + 6,2 1/3 + 5,68/4 + 10,9 5/5 + 9, 53/6 - 4,06/7; Г3 = - 1 564,94 - 5, 1 3/х + 8, 0 1/2 + 8,80/3 + 5,9 7/4 + 1 6, 69/5 + 1 3,9/6 - 5, 5 5/7; Г4 = - 122 2,07 - 3,62/х + 6, 0 1/2 + 7,43/3 + 7, 0 1/4 + 1 3, 54/5 + 1 2, 1 1/6 - 4, 7 3 /7.
Для отнесения регионов к определенному кластеру генератором случайных чисел выбраны три области: Тюменская, Оренбургская и Брянская. Индексы Тюменской области следующие: /г = 76,2; /2 = 76,2; /3 = 80,5; /4 = 77,3; /5 = 69,9; /6 = 73,7; /7 = 76,5. Подставив значения индексов Тюменской области в полученные модели, имеем: = 1285,86; Г2 = 1454,48; Г3 = 1590,87; У4 = 1576,39. Так как максимальное значение дискриминантной функции соответствует третьему кластеру, следовательно, Тюменская область относится к этому кластеру с уровнем цифровой экономики выше среднего. Аналогичным образом рассчитывались дискри-минантные функции для двух остальных областей. По их максимальным значениям Оренбургская область относится к четвертому кластеру, Брянская -ко второму.
Заключение. Цифровая экономика - понятие сложное и многогранное. Однозначного определения этого термина пока не существует. Автором предложено определение цифровой экономики. В настоящее время в статистических сборниках приводится небольшой объем информации о цифрови-зации регионов страны. Наиболее полный перечень показателей и их статистика дается в исследованиях индекса «Цифровая Россия».
С целью выявления однородных регионов по уровню цифровизации в статье выполнен кластерный анализ, который позволил разбить регионы на группы регионов, схожих по уровню цифровой экономики.
В статье даны предложения по повышению уровня цифровизации.
Для отнесения регионов к определенным кластерам автором построены дискриминантные модели, которые позволяют классифицировать регионы по уровню развития цифровой экономики.
Таким образом, можно сделать вывод о том, что для анализа цифровой экономики целесообразно применять
многомерные статистические методы и по результатам исследования делать предложения по улучшению качества и эффективности цифровизации регионов России.
Библиографический список
1. Индекс «Цифровая Россия». [Электронный ресурс]. - URL: SKOL-KOVO_Digital_Russia_Report_Full_2019-04_ru.pdf.
2. Деркаченко О.В. Рейтинговая оценка государств по военно-экономическим показателям на основе кластерных технологий // Известия Российской академии ракетных и артиллерийских наук. - 2019. - № 4 (109). - С. 8-16.
3. Кошевой О.С., Деркаченко О.В. Многомерный анализ военно-экономической безопасности государств СНГ// Финансовая экономика. - 2019. - № 5. -С. 34-37.
4. Усенко Л.Н. Использование методики многомерного сравнительного анализа для оценки развития предприятия правового обслуживания // Научный альманах. - 2016. - № 8-1 (22) / по материалам XVII Международной научно-практической конференции «Вопросы образование и наука XXI веке», г. Тамбов, 31 августа 2016 г. - С. 70-73.
5. Деркаченко О.В. Кластеризация и дискриминантный анализ регионов Приволжского федерального округа по уровню отдельных социально-экономических показателей // Научно-методический электронный журнал «Концепт». -2016. - № 2. - С. 36-40.
Bibliographic list
1. Digital Russia Index. [Electronic resource]. - Access mode: SKOLKO-KO-
VO_Digital_Russia_Report_Full_2019-04_ru.pdf.
2. Derkachenko O.V. Rating of states on military and economic indicators based on cluster technologies // Izvestia of the
Russian Academy of Missile and Artillery Sciences. - 2019. - No. 4 (109). -Рр. 8-16.
3. Koshevoy O.S., Derkachen-ko O.V. Multidimensional analysis of the military and economic security of CIS states // Financial economy. - 2019. -No. 5. - Рр. 34-37.
4. Usenko L.N. Using the method of multidimensional comparative analysis to assess the development of the legal service enterprise // Scientific Almanac. - 2016. -
УДК 334.75+330
No. 8-1 (22) / based on the materials of the 17th International Scientific and Practical Conference «Education and Science of the 21st Century», Tambov August 31, 2016. -Pp. 70-73
5. Derkachenko O.V. Clustering and discriminatory analysis of the regions of the Volga Federal District on the level of separate socio-economic indicators // Scientific and methodical electronic journal «Concept». - 2016. - No. 2. - Pp. 36-40.
Никитин А.Ю.
УСТОЙЧИВОЕ РАЗВИТИЕ ИНТЕГРИРОВАННЫХ ФОРМ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
Аннотация
В статье изучены проблемы устойчивого развития интегрированных форм промышленных предприятий через призму триединой концепции. Рассмотрены подходы к оценке потенциала устойчивого развития посредством рейтингов устойчивого развития, в разрезе отдельных направлений оценки. Показано, что именно интегрированные формы предприятий обладают повышенным потенциалам устойчивого развития в разрезе экономической, экологической и социальной его составляющих. Проиллюстрирована важность направленности стратегии развития на устойчивое развитие в условиях современной неопределенности.
Ключевые слова
Интегрированная форма промышленного предприятия, устойчивое развитие, интеграция в промышленности.
JEL: М2
Nikitin A. Yu.
SUSTAINABLE DEVELOPMENT OF INTEGRATED FORMS OF INDUSTRIAL ENTERPRISES UNDER UNCERTAINTY
Annotation
The paper examines the problems of sustainable development of integrated forms of industrial enterprises through the prism of the triune concept. We consider approaches to assessing the potential of sustainable development through sustainable development ratings, in the context of specific areas of assessment. We show that it the integrated forms of enterprises have an increased potential for sustainable development in the context of its economic, environmental and social components. We illustrate the importance of focusing the development strategy on sustainable development under modern uncertainty.
