CC BY
689
Сравнительный анализ моделей регионального развития
Атаева Айсылу Г арифулловна
младший научный сотрудник Институт социально-экономических исследований УНЦ РАН
E-mail: [email protected] Исламова Дилара Владиславовна младший научный сотрудник Институт социально-экономических исследований УНЦ РАН
E-mail: [email protected] Мустафин Эдуард Робертович главный консультант Аппарат Правительства Республики Башкортостан
E-mail: [email protected] Орешников Владимир Владимирович аспирант, младший научный сотрудник Институт социально-экономических исследований УНЦ РАН
E-mail: [email protected]
Аннотация
В статье проведен сравнительный анализ отечественных и зарубежных моделей регионального развития, произведена их классификация и анализ. На основе анализа моделей сформулированы основные требования к региональной модели социально-экономического развития региона, позволяющей перейти к упреждающему управлению экономикой региона.
Ключевые слова: региональное развитие, моделирование, вероятностностатистические модели, имитационные модели, интеллектуальные технологии, модели равновесия.
Необходимость моделирования регионального развития
Региональная структура российской экономики представляет собой сложный комплекс процессов и явлений, состоящей из большого количества элементов и сложных взаимосвязей, пронизывающих все общественно важные сферы деятельности. В связи с этим возникает целый ряд проблем управления региональным развитием и вытекающих из данных проблем задач регионального управления (рис. 1).
Рисунок 1 - Проблемы и задачи управления региональным развитием
Одним из направлений в данной области является использование средств и методов моделирования регионального развития. Данный подход позволит перейти к упреждающему управлению, в ходе которого появится возможность не устранять последствия отрицательных отклонений, а предотвращать их появление.
За последние десятилетия активно проводились исследования по разработке экономико-математических моделей и инструментария управления региональным развитием, позволяющих тем или иным образом решать проблему управления развитием территории. Но перед специалистами стоит вопрос, какую именно из множества моделей выбрать и адаптировать к условиям конкретного региона.
Для анализа было выделено 33 модели экономики, в том числе зарубежные модели, отечественные модели экономики страны с возможностью адаптации для регионального уровня, а также непосредственно отечественные модели экономики региона.
Классы моделей определяются главных образом логикой построения модели и используемыми методами формализации и моделирования. Исходя из этого, были выделены 4 класса моделей, каждый из которых состоит из подклассов (рис. 2):
1. Модели равновесия экономики (модель межотраслевых балансов, CGE-модели, модели спроса-предложения);
2. Вероятностно-статистические (эконометрические, модели на основе производственных функций);
3. Имитационные модели (рекуррентные, модели системной динамики);
4. Модели на основе интеллектуальных технологий (нейросетевые модели, экспертные системы).
Модели равновесия экономики
В рамках предложенной классификации существующих подходов первую группу составляют балансовые модели. В основу данных моделей положен балансовый метод, который выражает требование баланса между имеющимися ресурсами и потребностями в них. Тем самым при моделировании народного хозяйства такие модели служат основным инструментом поддержания пропорций в экономике, что является основным достоинством моделей.
Распространенным представителем данного класса моделей являются различные модели межотраслевого баланса, отражающие структуру взаимосвязей отраслей экономики и распределение их валового выпуска на промежуточное и конечное потребление. Первую модель межотраслевого баланса принято считать модель «затраты - выпуск», разработанную американским экономистом В. Леонтьевым в 1930-х годах [10, с. 19].
- СИРЕНА;
- RUSEC;
- Россия: Федеральные округа;
- CGE с нейронными сетями;
- Имитационная модель Вятского ГУ;
- АС «Моделирование СЭР региона», ГУУ
Модели системной динамики
- СИРЕНА;
- ТАИС;
- Губернатор;
- Прогноз.
Нейросетевые модели
- CGE с нейронными сетями;
- Модель экономики региона на основе «недоопределенных» вычислений
Экспертные системы
- Сценарная динамическая модель демографической ситуации в Мурманской области;
Имнишнонные модели На основе интеллектуальных технологий
к к к к
Модели МОБ
- Уортоновская;
- Брукинская;
- LIFT;
- OBE;
- Модель теневого оборота выч. центр Дороницина;
- СИРЕНА;
- RIM.
CGE-модели
- RUSEC;
- CGE со встроенным нейронными сетями
- Россия: Центр -
Федеральные округа.
Модели спроса-предложения:
- Модели с sunspot-равновесиями
- Детерминированная модель Эрроу-Дебре без ресурсов.
Эконометрические
- Уортоновская;
- Брукингская;
- LINK;
- Квартальная модель Р. Фэра
- RIM;
- Модель теневого оборота Выч. центр Дороницина
- Эконометрическая модель экономики России
- ИАС для исследования и качества экономического роста приграничных территорий.
Модели на основе производственных функций:
- Эконометрическая модель экономики России С. А. Айвазяна
- Модель экономической базы
- Модель центр-
переферия
- Чистая модель
экспортной базы
- Модифицированная модель экспортной базы
- Модель затраты -выпуск
- Модель ценообразования пространственной монополии
- Планирование размещения производства (задача Кристаллера-Леша)
- Модель Риккардо с двумя товарами и двумя факторами
- Модель Хекшера-Олина-Самуэльсона
- Транспортная модель линейного программирования
Рисунок 2 - Модели экономики страны и региона
Среди отечественных моделей можно выделить модель СИРЕНА, RIM (Russian Interindustry Model), разработанную в Институте народнохозяйственного прогнозирования РАН [5].
Данный вид моделей может быть использован для выявления диспропорций, в которых фактические ресурсы сопоставляются с их фактическим потреблением. Однако они не позволяют сравнивать отдельные варианты экономических решений и не предусматривают взаимозаменяемости разных ресурсов, что делает невозможным выбор оптимального варианта развития экономической системы.
Причиной, ограничивающей использование данного метода также связанно с проблемой информационного обеспечения модели. Так при построении межотраслевых балансов используются специфические понятия чистой отрасли, т.е. условной отрасли, объединяющей все производство данного продукта независимо от ведомственной подчиненности и форм собственности предприятия и фирм. Переход от хозяйственных отраслей к чистым отраслям требует специального преобразования данных хозяйственных объектов. Происходящие в настоящее время переход государственной статистики от ОКОНХ к ОКВЭД также ограничивает использование данных моделей.
Другим представителем группы моделей, построенных на основе балансового метода, являются вычислимые модели общего равновесия, известные в зарубежной литературе как CGE (Computable General Equilibrium models) модели и используемые для количественной оценки последствий от принятых мер. Экономика в моделях представляют собой систему уравнений, решением которой является общее экономическое равновесие, сводящееся к уравновешиванию спроса и предложения на рынках товаров и услуг.
В российской практике известна CGE модель - RUSEC (RUSsian EConomy) [11], разработанная в 1997 году академиком В. Л. Макаровым. Прототипом модели RUSEC послужила модель конкурентной рыночной экономики Эрроу-Дебре. В модели выделено 12 экономических агентов,
взаимодействующих на 47 рынках. Особенностью модели является то, что в ней функционируют две системы цен: государственная и рыночная. К данному классу также относятся модели «Россия: Центр - Федеральные округа», «CGE модель социально-экономической системы России со встроенными нейронными сетями». При построении данной модели также были использованы теоретико-игровой и эконометрический подход. Среди основных достоинств данных моделей можно выделить гибкость, позволяющую легко вносить изменения в математическую часть модели. Основным ограничением использования данных моделей при моделировании регионального развития является трудность информационного обеспечения.
Вероятностно-статистические модели экономики
Вероятностно-статистическая модель - это вероятностная модель, значения отдельных параметров которой оцениваются по результатам наблюдений (исходным статистическим данным), характеризующим функционирование моделируемого конкретного явления (системы). В рамках данной группы широкое распространение получили различные эконометрические модели и методы, основанные на построении различных производственных функций.
Данные модели довольно распространены в западной экономической науке (модель глобальной экономики проект LINK [3], Уортоновская годовая модель экономики США, Брукингская модель экономики США, квартальная модель экономики США Р. Фера). В российской практике наиболее известным представителем этого класса является «Эконометрическая модель экономики России», разработанная в ЦЭМИ РАН под руководством академика С.А. Айвазяна [12], модель RIM, модель современной российской экономики Вычислительного центра им. Дородницына РАН [15].
Эконометрические модели позволяют оценивать структуру модели, т.е. вид зависимости между значениями известных координат вектора в прежние моменты времени и их значениями в прогнозируемый момент, так и коэффициенты, входящие в эту зависимость.
Вероятностно-статистические модели хорошо применимы для анализа и прогноза в условиях действия законов больших чисел, выявлении статистических закономерностей. В качестве преимущества использования эконометрического подхода при моделировании территориального развития можно отнести простоту интерпретации полученных результатов и возможность оценки последствий от принятых мер. Однако необходимым условиям для применения таких моделей является получение статистической базы, полностью характеризующей исследуемые процессы. Также среди проблем применения данного подхода на практике является проблема спецификации модели, что связано с нейтральностью методов математической статистики по отношению к экономическому содержанию экономических процессов, которое может привести к ложным взаимосвязям между показателями. Тем не менее, можно рекомендовать использование вероятностно-статистических моделей совместно с другими видами моделей.
Имитационные модели
Этот класс моделей основан на построении разнообразных моделей рекуррентного типа и/или моделей системной экономической динамики, позволяющих с помощью последовательности вычислений воспроизводить траекторию «эволюции» социально-экономической системы с заданными параметрами в условиях воздействия различных факторов и изменения условий внутренней и внешней среды.
Имитационные модели реализуются на ЭВМ с использованием блочного принципа, позволяющего всю моделируемую систему разбить на ряд подсистем, связанных между собой незначительным числом обобщенных взаимодействий и допускающих самостоятельное моделирование с использованием своего собственного математического аппарата (в частности, для подсистем, механизм функционирования которых неизвестен, возможно построение регрессионных или самоорганизующихся моделей). Такой подход позволяет также достаточно просто конструировать, путем замены отдельных блоков, новые имитационные модели.
На макроуровне модельного комплекса используются модели и методы системной динамики. Концепция системной динамики позволяет моделировать динамические процессы на высоком уровне агрегирования, в основе нее лежит представление о функционировании динамической системы, как совокупности потоков (денежных, продукции, людских и т.п.).
К классу имитационных моделей можно отнести наиболее известные в практическом плане комплексные информационно-аналитические и прогнозные системы, в том числе информационно-аналитический комплекс «Прогноз» [8], разработанный учеными Пермского госуниверситета под руководством академика РАЕН Андрианова Д.Л. Другим известным аналогом реализации такого подхода является территориальная автоматизированная система «ТАИС» [7], разработанная учеными Самарской государственной экономической академии. Также стоит отметить Систему анализа и моделирования динамики бюджета региона «Губернатор», разработанную в научным центром компании «Франклин&Г рант. Риск Консалтинг» [9].
Возможность корректировать ход моделирования, и непосредственно отслеживать значения диагностических показателей на каждом этапе работы модели является положительным фактором. Использование конструктора динамических моделей (программный комплекс «ПРОГНОЗ) позволяет говорить о высокой степени адаптации и гибкости, присущих классу имитационных моделей. Среди недостатков наиболее существенным является высокая стоимость: разработка подобных моделей предполагает участие целого коллектива авторов, занимает продолжительное время и требует значительных ресурсов. Внедрение системы в практическую деятельность органов государственной власти также нуждается в финансовой поддержке, необходимой для программной адаптации, установки и обучения персонала. Также минусом данного класса моделей является использование ряда показателей, не анализируемых официальными органами статистики.
Моделирование на основе интеллектуальных технологий
Среди интеллектуальных методов анализа информации, используемых при построении сложных моделей, наиболее часто выделяют нейронные сети, которые представляют собой совокупность связанных между собой слоев нейронов, которые получают входные данные, осуществляют их обработку и генерируют на выходе результат. Одним из основных недостатков моделей данного вида является то, что они не имеет четкой интерпретации, так как реализуют непрозрачный процесс. К недостаткам нейросетевых моделей можно отнести высокие требования к обучающей сети информации: информация должна позволить избежать проблемы недобучения и переобучения модели. К преимуществам нейронных сетей относится возможность создания эффективного программного и математического обеспечения для компьютеров с высокой степенью распараллеливания обработки. Кроме того, нейрокомпьютеры достаточно просты для использования рядовыми пользователями.
К таким моделям относится «CGE модель социально-экономической системы России со встроенными нейронными сетями» [1]. С помощью нейронных сетей были просчитаны показатели трудовой мобильности и доли распределения бюджета домашних хозяйств.
К моделям на основе интеллектуальных технологий относятся и экспертные системы, которые предназначены для решения неформализованных задач, но требуют существенных усилий и затрат на создание баз знаний, что также делает их практически не применимыми в ситуациях, с которыми не встречались эксперты, составляющие базу знаний. При этом экспертная система сама не способна распознать ситуацию, где используемые знания могут привести к методической ошибке. Экспертные системы не способны к самообучению и без обновления баз знаний быстро теряют актуальность. Среди недостатков экспертных систем следует отметить высокую стоимость сопровождения, которая зачастую превосходит стоимость создания и низкий уровень повторной
используемости. В тоже время, решения экспертных систем могут быть объяснены пользователю на качественном уровне.
Среди моделей данной группы можно отметить сценарную динамическую модель демографической ситуации в Мурманской области, созданную при Институте информатики и математического моделирования технологических процессов Кольского научного центра Российской академии наук (ИИММ КНЦ РАН) [4].
Кроме того, к инструментам интеллектуального анализа информации относят: деревья решений; системы размышлений на основе аналогичных случаев; генетические алгоритмы; алгоритмы определения ассоциаций и последовательностей; эволюционное программирование. Зачастую применяются комбинированные интеллектуальные методы.
Разработка подобных моделей является одним из направлений деятельности Российского НИИ искусственного интеллекта. Проект «Экономика» [13] направлен на разработку на основе аппарата недоопределенных вычислений технологии создания компьютерной модели макроэкономики страны, региона, отрасли, корпорации. Данные модели обладают большой гибкостью и позволяет не только предвидеть последствия принимаемых решений, но и находить требующиеся решения.
Требования к региональной модели экономики
С учетом вышеприведенного анализа были сформулированы основные критерии построения региональной модели:
- системность - охват моделью всей совокупности существенных элементов и взаимосвязей моделируемого объекта;
- научная обоснованность - использование в модели научных методов, в частности методов экономико-математического моделирования, обеспечивающих строгую формализацию и тем самым достоверность и верифицируемость результатов моделирования;
- сбалансированность - целостный учет источников образования и использования ресурсов, обеспечивающих сохранение основных воспроизводственных пропорций при моделировании;
- вариантность - возможность модели генерировать и оценивать последствия реализации альтернативных стратегий развития с учетом возможных изменений условий внутренней и внешней среды. Инструмент достижения -использование методов сценарного моделирования;
- практическая применимость - наиважнейшее условие, обеспечивающее достаточность для данной модели официально существующей информационной и статистической базы для обеспечения возможности доведения теоретических выкладок до практических результатов моделирования;
- стоимость - приемлемость величины затрат конечного пользователя по приобретению, установке, использованию и обслуживанию информационной системы;
- возможность адаптации - возможность применения существующей модели для анализа и прогнозирования развития других социально-экономических систем. Определяется необходимостью изменения основных параметров модели, изменения имеющихся зависимостей, набора показателей, величины базы данных и базы знаний;
- гибкость - способность модели адекватно отображать состояние моделируемого объекта при изменении его параметров в определенных пределах;
- реализация в качестве программного продукта - доведение концептуальной модели до уровня программного продукта и реализации в виде информационной системы (СППР, ИАС и т.д.);
- устойчивость системы к изменяемым параметрам;
- возможность корректировки - возможность вмешательства пользователя в процесс моделирования и изменения отдельных параметров на определенном шаге моделирования.
Системный учет данных принципов при построении комплексной модели
региона позволит преодолеть или уменьшить степень воздействия тех
недостатков и ограничений, которые присущи существующим разработкам.
Список литературы
1. CGE модель социально-экономической системы России со встроенными нейронными сетями [Электронный ресурс] // Центр ситуационного анализа и прогнозирования ЦЭМИ РАН: официальный сайт. - Режим доступа: http://lab207.b13.su/models/cge/cge7.htm
2. Interindustry Forecasting Project at the University of Maryland [Электронный
ресурс] // Interindustry Forecasting Project at the University of Maryland: официальный сайт. - Режим доступа:
http://inforumweb.umd.edu/services/models/lift.html
3. Акира Ониши. Имитационное моделирование с помощью глобальной
модели. Перевод Г.В.Коротаевой. [Электронный ресурс] // Институт проблем освоения Севера: официальный сайт. - Режим доступа:
http://www.ipdn.ru/rics/doc0/XI/2-1.htm
4. Институт информатики и математического моделирования технологических процессов: официальный сайт. режим доступа: http://www.iimm.ru/
5. Институт народнохозяйственного прогнозирования РАН: официальный сайт.
- Режим доступа: http://www.macroforecast.ru/
6. Кольский научный центр РАН: официальный сайт. - Режим доступа: http://www.kolasc.net.ru/russian/news/news konf.html
7. Компания «Волгоинформсеть»: официальный сайт. - Режим доступа: http://www.ais.vis.ru/site/tais.nsf/wpages1/01
8. Компания «Прогноз»: официальный сайт. Режим доступа:
http://www.prognoz.ru/ru/about company.php
9. Консалтинговая компания «Франклин&Грант. Риск консалтинг»:
официальынй сайт. - Режим доступа: http: //www. franklin-
grant.ru/ru/ services/ gov- gubernator.asp
10.Леонтьев В. Предисловие. Межотраслевая экономика. Научный редактор и автор предисловия академик РАН А.Г. Гранберг; Пер. с англ. [Текст] / В. Леонтьев. - М.: Экономика, 1997. - 480 с.
11.Макаров В.Л. Вычислимая модель российской экономики (RUSEC)
[Электронный ресурс] // Центр ситуационного анализа и прогнозирования ЦЭМИ РАН: официальный сайт. - Режим доступа:
http://data.cemi.rssi.ru/GRAF/center/methodology/macroeconom/2.htm
12.Макаров В.Л., Айвазян С.А., Борисова С.В., Лакалин Э.А. Эконометрическая модель экономики России для целей краткосрочного прогноза и сценарного анализа [Текст] - М.: ЦЭМИ РАН, 2001.
13.Российский НИИ искусственного интеллекта: официальный сайт. - Режим доступа: http://www.artint.ru/projects/economic.asp.
14. Словарь современной экономической теории Макмиллана / Общ. ред. Дэвида У. Пирса; Пер. с англ. А.Г. Пивоварова; Науч. ред. д.э.н., проф. В.С. Автономов. [Текст] - М.: ИНФРА-М, 1997 - 608 с.
15. Учреждение РАН Вычислительный центр им. А. А. Дородницына РАН: официальный сайт. - Режим доступа: http://www.ccas.ru/body.html
