Тенденции развития промышленности в РФ Текст научной статьи по специальности «Экономика и бизнес»

pISSN 2073-1477 Экономико-математическое моделирование

eISSN 2311-8733

ТЕНДЕНЦИИ РАЗВИТИЯ ПРОМЫШЛЕННОСТИ В РФ

Зарина Миникутдусовна РЫБАЛКИНА % Андрей Анатольевич ТУ СКОВ ь

а кандидат экономических наук, доцент кафедры «Менеджмент»

Пензенского государственного университета архитектуры и строительства,

Пенза, Российская Федерация

[email protected]

ORCID: отсутствует

SPIN-код: 3955-9765

ь кандидат экономических наук, доцент кафедры «Экономическая кибернетика»

Пензенского государственного университета,

Пенза, Российская Федерация

[email protected]

ORCID: отсутствует

SPIN-код: 6771-0466

' Ответственный автор

История статьи:

Получена 16.01.2018 Получена в доработанном виде 19.02.2018 Одобрена 17.03.2018 Доступна онлайн 15.08.2018

УДК 338.27 С53, Е17

Ключевые слова:

промышленность, индекс промышленного производства, прогнозирование, регрессионная модель

© Издательский дом ФИНАНСЫ и КРЕДИТ, 2018

Аннотация

Предмет. В последние годы все отрасли экономики Российской Федерации переживают глубокий кризис, особенно заметный в промышленности. Согласно циклическому развитию экономики, кризис будет продолжаться в течение еще нескольких лет. Построены сценарии развития промышленности в ближайшие годы на основе регрессионных моделей.

Цели. Рассмотреть динамику развития промышленности в РФ. На основе расчета индекса промышленного производства спрогнозировать развитие промышленности в ближайшие годы. Определить мероприятия по развитию промышленности. Методология. Представлены реальные значения индекса промышленного производства по субъектам РФ и федеральным округам. Эти значения позволили составить прогноз развития промышленности в РФ на основе построения линейной регрессионной модели. Точный и интервальный прогнозы индекса промышленного производства показали возможное снижение индекса промышленного производства (ИПП) на 0,1. Применение полиномиальных моделей подтверждает негативный сценарий для развития промышленности. Это позволяет определить корреляционные факторы и разработать мероприятия по снижению влияния этих факторов на промышленность.

Результаты. На основе анализа разработаны мероприятия по снижению влияния негативных факторов на промышленность. Предложенный сценарий прогнозирования позволит повысить индекс промышленного производства по субъектам РФ и своевременно учесть возможное негативное влияние факторов на развитие промышленности.

Выводы. В статье предложен методический подход к оценке развития промышленной отрасли, применимый и к другим отраслям. Проведенный анализ основан на корреляции, позволяющей учесть степень влияния различных факторов на результирующий показатель.

Для цитирования: Рыбалкина З.М., Тусков А.А. Тенденции развития промышленности в РФ // Региональная экономика: теория и практика. - 2018. - Т. 16, № 8. - С. 1563 - 1575. https://doi.org/10.24891/re. 16. 8.1563

Суммарный объем финансовой поддержки Новое направление господдержки - субсидии предприятий легкой промышленности в для финансирования расходов лизинговых 2016 г. составил около 2,5 млрд руб. организаций на обеспечение легкой

промышленности оборудованием - имеет большое значение для модернизации предприятий легкой промышленности. Отметим и такое значимое для высокотехнологичного развития отрасли направление, как субсидирование затрат на проведение научно-исследовательских и опытно-конструкторских работ.

Отечественная легкая промышленность даже в сложных экономических условиях

демонстрирует положительные показатели и энергичный рост1.

Проанализируем такой показатель, как индекс промышленного производства. Динамика исходных данных2 представлена на рис. 1. Как видно из рисунка, наибольшее значение индекса соответствовало 2003 г. Все последующие годы, несмотря на неравномерные значения, индекс отчетливо снижался. Это свидетельствует о застое производства.

По итогам 2016 г. в РФ промышленное производство выросло. Позитивная динамика зафиксирована в 65 регионах, что на 15 регионов больше, чем в 2015 г. [1, 2]. Наиболее стабильные показатели

промышленного производства фиксируются в Московской области, Ненецком автономном округе, Санкт-Петербурге и в Республике Татарстан. В перечисленных регионах в каждом месяце 2016 г. отмечался рост промышленного производства3.

Рассмотрим ситуацию по федеральным округам. Как видно из рис. 2, СевероКавказский федеральный округ показал наибольший прирост промышленного производства в 2016 г.

Индекс промышленного производства регионов Северного Кавказа за 2016 г. составил 107,5%, а в среднем по России этот

1 «Легпромфорум-2017» обсуждает перспективы развития легкой промышленности. URL: http://modanews.ru/node/73314

2 Индекс промышленного производства по субъектам Российской Федерации. URL:

http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statist ics/enterprise/industrial/#

3 Социально-экономическое положение регионов РФ.

URL: http://vid1.rian.ru/ig/ratings/regpol_01_2017.pdf

показатель равен 101,1%. По сравнению с

2015 г. республики Северного Кавказа и Ставропольский край на 1,1% увеличили индекс промышленного производства за счет роста обрабатывающих производств4.

На втором месте располагается Южный федеральный округ, в состав которого с июля

2016 г. вошли Республика Крым и Севастополь. Однако в сумме доля этих округов в общероссийском объеме отгруженных товаров собственного производства, выполненных собственными силами работ и услуг по трем видам экономической деятельности («добыча полезных ископаемых», «обрабатывающие производства» и «производство и распределение электроэнергии, газа и воды») составляет менее 7%5.

Спрогнозируем значения индекса

промышленного производства (ИПП) на два периода вперед. Инструментом построения прогнозов выступает программный продукт Gretl [3-8]. Первоначально была построена простейшая линейная регрессионная модель. Ее характеристики представлены на рис. 3.

Линейной регрессионной моделью объясняется невысокий процент влияния фактора времени на значения индекса (20,7%). Коэффициент изменчивости незначительно превышает пороговое значение (0,076), что свидетельствует о приемлемой точности эконометрической модели. Параметры уравнения регрессии статистически значимы -Р-значение по каждому ниже 0,05. Положительный результат дает Р-статистика: Р-значение (Р)=0,022222<0,05. Это говорит о том, что модель статистически значимая.

Проведение обязательных тестов показало соответствие остатков нормальному закону распределения (рис. 4) и наличие положительной автокорреляции (рис. 5), что дает основания для использования результатов в прогнозировании с применением

4 Индекс промпроизводства Северного Кавказа превысил общероссийский на 6,4 %. URL: http://fedpress.ru/news/skfo/economy/1756487

5 Социально-экономическое положение регионов РФ. URL: https://vid1.rian.ru/ig/ratings/regpol_01_2017.pdf

AR(1)-моделей. Результаты прогнозирования показаны на рис. 6.

Точный и интервальный прогнозы индекса промышленного производства представлены на рис. 7. Как показывают результаты анализов, в России возможно снижение ИПП на 0,1, что подтверждает тенденцию последних лет. Результаты применения полиномиальных моделей для прогнозирования представлены на рис. 8.

В данном случае мы имеем более высокое значение коэффициента детерминации (0,61) по сравнению с указанными моделями. Модель является адекватной по F-критерию Фишера, все параметры статистически значимы (Р-значение (F) = 0,000029 < 0,05 и Р-значение по каждому коэффициенту соответственно ниже 0,05). Коэффициент изменчивости равен 0,054, что свидетельствует о практической значимости данной модели.

Значение статистики Дарбина - Вотсона (1,9555) говорит об отсутствии автокорреляции остатков. Результаты прогнозирования ИПП представлены на рис. 9. Использование данной модели свидетельствует о негативном для России сценарии развития промышленности.

Расчеты с использованием полинома третьей степени приведены в табл. 1. Из всех приведенных моделей предпочтительный прогноз получается по AR(1)-модели. Обобщенные характеристики всех моделей приведены в табл. 2.

В целях принятия решения по проблеме снижения ИПП разработаем модель множественной регрессии, где в качестве эндогенной переменной будет выступать индекс промышленного производства (RF), а в качестве экзогенных - инвестиции в основной капитал (INV), индекс производительности труда (IPL) и время (time) (табл. 3).

Для исключения факторов «a priori» построена матрица парных коэффициентов корреляции (табл. 4). Критические значения в 5%

(двухсторонние) = 0,7067 для п = 8. Данные таблицы говорят о том, что с индексом промышленного производства достоверно связан только индекс производительности труда (0,8528 > 0,7067). Влияние инвестиций несущественно. Результаты моделирования приведены на рис. 10.

Как свидетельствуют результаты расчетов, данную модель можно использовать для принятия управленческих решений: Р-значение (Р < 0,05 и параметр перед фактором IPL значимо отличается от нуля.

С целью повышения ИПП необходимо провести коренные преобразования в технике и технологии, произвести мобилизацию всех технических, организационных, экономических и социальных факторов, использовать при производстве модернизированные формы научной организации труда и способы его нормирования, внести изменения в производственную культуру, установить порядок и дисциплину [9-11].

Текущее состояние промышленности в России имеет ряд особенностей, не совместимых с рыночной экономикой6. Предприятия в большинстве случаев ориентируются не на массовый выпуск продукции, а на удовлетворение отдельных потребностей. Подбор кадров происходит в основном по принципам родственности и дружбы, а не профессионализма. В результате решать сложные производственные и творческие задачи некому.

Повышенное внимание необходимо уделять подготовке квалифицированных кадров, так как большинство молодых специалистов не соответствуют требованиям производства и после окончания вузов не могут приступить к качественному выполнению работы, к которой готовились во время учебы, поэтому при определении мероприятий по развитию промышленности важно учитывать все возможные направления развития секторов экономики России [12, 13].

6 Состояние промышленности в России. Деловые новости. URL: https://delonovosti.ru/analitika/1329-sostoyanie-promyshlennosti-v-rossii.html

Таблица 1

Прогнозные значения индекса промышленного производства с использованием полинома третьей степени

Table 1

The Industrial Production Index forecast values using the third-order polynomial

Годы наблюдений RF Предсказание Статистическая ошибка 95% доверительный интервал

2012 103,4 101,047 5,38638 (89,8453, 112,249)

2013 100,4 100,5 5,40061 (89,2693, 111,732)

2014 101,7 100,097 5,49116 (88,6780, 111,517)

2015 96,6 99,8788 5,72943 (87,9638, 111,794)

2016 101,1 99,8853 6,19989 (86,9919, 112,779)

2017 - 100,158 6,9807 (85,6406, 114,675)

2018 - 100,737 8,12593 (83,8382, 117,636)

Источник: авторская разработка

Source: Authoring Таблица 2

Характеристики эконометрических моделей

Table 2

The characteristics of econometric models

Параметры (1) (2) (3)

МНК CORC МНК

const 73,41 (4,772) 31,3 (20,4) 80,09 (3,523)

time 6,236 (1,559) - 3,423 (0,6245)

time2 -0,3771 (0,1379) - -0,1119 (0,02331)

time3 0,006801 (0,00349) - -

RF_1 - 0,6943 (0,1441) -

n 25 23 25

Испр. R2 0,6251 0,2979 0,5774

lnL -74 - -76,08

Источник: авторская разработка

Source: Authoring

Таблица 3 Исходные данные для построения модели

Table 3 Source data to build the model

Годы наблюдений RF INV IPL

2008 100,6 8 781 616 104,8

2009 89,3 7 976 013 95,9

2010 107,3 9 152 096,007 103,2

2011 105 11 035 652 103,8

2012 103,4 12 586 090,39 103,5

2013 100,4 13 450 238,18 101,8

2014 101,7 13 902 645,25 100,7

2015 96,6 13 897 187,72 97,8

Источник: авторская разработка

Source: Authoring

Таблица 4

Матрица парных коэффициентов корреляции, наблюдения 2008-2015 гг.

Table 4

A matrix of paired correlation coefficients, observations of 2008-2015

RF INV IPL time

1 0,1855 0,8528 0,0613 RF

- 1 -0,0448 0,9527 INV

- - 1 -0,2744 IPL

- - - 1 time

Источник: авторская разработка Source: Authoring

Рисунок 1

Динамика индекса промышленного производства, 1995-2015 гг. Figure 1

The Industrial Production Index change, 1995-2015

no -

105 -

100 -

95 -

u.

a.

90 "

85 -

80 "

75 -

1995 2000 2005 2010

Источник: авторская разработка Source: Authoring

2015

Рисунок 2

Значение индекса промышленного производства по федеральным округам Figure 2

The Industrial Production Index values by Federal district

Источник: авторская разработка Source: Authoring

Рисунок 3

Результаты построения линейной регрессионной модели Figure 3

The results of building a linear regression model

Модель 8: MHK, использованы наблюдения 1952-2016 (T = Зависимая переменная: RF

25)

Коэффициент Ст. ошибка t-статистика Р-значение

const, cime

93,1820 0,514615

3,12013 0,205882

:9,8б 2, 45:

б,69е-020 *»» 0,0222 *«

Среднее зав. перемен Сумма кв. остатков R-квадрат F<1, 23>

Лог. правдоподобие Крит. Шварца Параметр rho

Источник: авторская разработка Source: Authoring

55,87200 Ст. откл. зав. перемен 8,320132

1317,113 Ст. ошибка модели 7,567415

0,207223 Испр. Л-квадрат 0,172754

6,011928 Р-значение (Е) 0,022222

-85,02748 Крит. Акаике 174,0550

176,4927 Крит. Хеннана-Куинна 174,7311

0,476847 Стат. Дарбина-Вотсона 0,974059

Рисунок 4

Результаты проведения теста на нормальное распределение Figure 4

The results of the normality test

Источник: авторская разработка Source: Authoring

Рисунок 5

Результаты теста Бройша-Годфри Figure 5

The Breusch-Godfrey test results

Тест Бриша-Годфри (Breusch-Godfrey) на автокорреляцию первого порядка МНК, использованы наблюдения 1992-2016 (Т = 25) Зависимая переменная: uhat

Коэффициент Ст. ошибка t-статистика Р-значение

const cime uhat 1

0,213009 -0,0236676 0,478387

2,81181

0,189291

0,189901

0,07575 -0,1250 2, 519

0,9403 0,9016 0,0195 *«

Неисправленньз! R-квадрат = 0,223878

Тестовая статистика: LMF = 6,346053, р-значение = P(F{1,22) > 6,34605) = 0,0195

Альтернативная статистика: TRAC - 5,596946, р-значение = Р(Хи-квадрат(1) > 5,59695) = 0,018

Ljung-Box Q" = 6,15966,

р-значение = Р(Хи-квадрат(1) > 6,15966) = 0,0131

Источник: авторская разработка Source: Authoring

Рисунок 6

Графическая интерпретация прогнозных значений индекса промышленного производства в РФ (1995-2015 гг.)

Figure 6

Graphic interpretation of the forecast values of Industrial Production Index in Russia (1995-2015)

Источник: авторская разработка Source: Authoring

Рисунок 7

Точный и интервальный прогнозы ИПП (2013-2018 гг.) Figure 7

Accurate and interval forecasts of Industrial Production Index (2013-2018)

Источник: авторская разработка Source: Authoring

Рисунок 8

Результаты построения полиномиальной модели Figure 8

The results of polynomial model construction

Модель 1: MHK, использованы наблюдения 1552-2016 (T = 25) Зависимая переменная: RF

Коэффициент Ст. ошибка t-статистика Р-змачение

const time time 2

80,0537

3,42312 -0,111865

3,52341 0,624465 0,0233147

:2,73 5, 482 -4,758

5,03е-017 1,66е-05 8,60е-05

■ к * * А

Среднее зав. перемен 99,87200

Сумма кв. остатков 643,6154

R-квaдpaт 0,612604

Г(2, 22) 17,35474

Лог. правдоподобие -76,07628

Крит. Шварца 161,8092

Параметр гЬо -0,000233

Ст. откл. зав. перемен 8,320132

Ст. ошибка модели 5,408812

Испр. R-квaдpaт 0,577387

Р-значение (?) 0,000025

Крит. Акаике 158,1526

Крит. Хеннана-Куинна 159,1668

Стат. Дарбина-Зотсона 1,955515

Источник: авторская разработка Source: Authoring

Рисунок 9

Результаты прогнозирования с использованием полинома второго порядка (1995-2015 гг.) Figure 9

The forecast results using the second-order polynomial (1995-2015)

Источник: авторская разработка Source: Authoring

1571

Рисунок 10

Линейная модель зависимости ИПП от индекса производительности труда Figure 10

A linear model of dependence of the Industrial Production Index on the Labor Productivity Index

Сводка для модели Скорректировать! й „ R-квадрат модель R R-квэдрат Стандартная ошибка оценки

1 .853' ,727 .682 3.1 4034

а. Предикторы: (константа), IPL

AN OVAa

Модель Сумма квадратов ст.св. Средний квадрат F Значимость

1 Регрессия 1 57.828 1 1 57,828 1 6.004 ,007ь

Остаток 59.1 70 6 9.862

Всего 21 6.999 7

3. Зависимая перегнанная RF

b Предикторы: (константа), IPL

Коэффициенты3

Модель Нестандартизоеанные коэффициенты Стандартная В ошибка Стандартизованны е коэффициенты Бета т Значимость

1 (Константа) IRL -53.079 38.415 -1,382 .21 6

1.514 .379 .853 4.001 .007

з. Зависимая переменная: RF

Источник: авторская разработка Source: Authoring

Список литературы

1. Тусков А.А., Юдина Е.С. Оценка социально-экономического состояния и определение перспектив роста экономики Пензенской области // Модели, системы, сети в экономике, технике, природе и обществе. 2015. № 2. С. 85-92.

URL: http://journalmss.ru/files/mss/archive/20l5/MSS_2_14__20l5.pdf

2. Кашин В.К., Макар С.В. О перспективах развития регионов Российской Федерации, входящих в Северо-Западный федеральный округ // Региональная экономика: теория и практика. 2017. Т. 15. Вып. 1. С. 19-34. URL: https://doi.Org/10.24891/re.l5.1.19

3. Тусков А.А. Применение Gretl для построения многофакторной модели // Модели, системы, сети в экономике, технике, природе и обществе. 2011. № 1. С. 154-159.

URL: http://journalmss.ru/files/mss/archive/2011/MCC_MSN_1_2011.pdf

4. Кильдеев Р.Х., Тусков А.А. Эконометрический анализ основных социально-экономических показателей развития сельской местности // Экономические науки. 2015. № 3. С. 29-31. URL: http://ecsn.ru/files/pdf/201503/201503_29.pdf

5. Рыбалкина З.М. Организационно-экономический механизм управления промышленным предприятием // Известия высших учебных заведений. Технология текстильной промышленности. 2016. № 4. С. 12-16.

URL: http://ttp.ivgpu.eom/wp-content/uploads/2016/11/364_2-2.pdf

6. Тусков А.А., Пронякин И.С., Толмачева В.А. Эконометрический анализ экономической составляющей развития региона // Московский экономический журнал. 2017. № 1.

С. 21. URL: http://qje.su/regionalnaya-ekonomika-i-razvitie/moskovskij-ekonomicheskij-zhurnal-1-2017-23/

7. Тусков А.А., Юдина Е.С. Эконометрическое моделирование стратегии социально-экономического развития Пензенской области с использованием логитовых моделей // Модели, системы, сети в экономике, технике, природе и обществе. 2014. № 4. C. 56-62. URL: http://journalmss.ru/files/mss/archive/2014/MSS_MSN_4_12_2014.pdf

8. Рыбалкина З.М. Модель развития управляемости организации // Вестник Казанского технологического университета. 2009. № 1. С. 122-125.

URL: https://cyberleninka.rU/article/v/model-razvitiya-upravlyaemosti-organizatsii

9. Криничанский К.В., Лаврентьев А.С. Методологические вопросы сравнительной оценки экономического развития регионов // Региональная экономика: теория и практика. 2017. Т. 15. Вып. 10. С. 1794-1817. URL: https://doi.org/10.24891/re.15.10.1794

10. Рыбалкина З.М. Многофакторная модель управляемости организации // Вестник Казанского технологического университета. 2010. № 8. С. 136-139.

URL: https://cyberleninka.rU/article/v/mnogofaktornaya-model-upravlyaemosti-organizatsii

11. Рыбалкина З.М., Куликов В.Г. Методика оценки управляемости организации // Известия высших учебных заведений. Технология текстильной промышленности. 2014. № 6.

С. 12-15. URL: http://ttp.ivgpu.com/wp-content/uploads/2015/10/354_3.pdf

12. Рыбалкина З.М., Холькина О.В. Регулирование текучести кадров на основе контроллинга персонала: региональные особенности // Региональная экономика: теория и практика. 2017. Т. 15. Вып. 3. С. 482-495. URL: https://doi.org/10.24891/re.15.3.482

13. Тусков А.А., Захаров А.Ю., Толмачева В.А. Эконометрический анализ валового регионального продукта // Московский экономический журнал. 2017. № 1. URL: http://qje.su/regionalnaya-ekonomika-i-razvitie/moskovskij-ekonomicheskij-zhurnal-3-2017-4/

Информация о конфликте интересов

Мы, авторы данной статьи, со всей ответственностью заявляем о частичном и полном отсутствии фактического или потенциального конфликта интересов с какой бы то ни было третьей стороной, который может возникнуть вследствие публикации данной статьи. Настоящее заявление относится к проведению научной работы, сбору и обработке данных, написанию и подготовке статьи, принятию решения о публикации рукописи.

pISSN 2073-1477 Economic-Mathematical Modeling

elSSN 2311-8733

INDUSTRIAL DEVELOPMENT TRENDS IN THE RUSSIAN FEDERATION Zarina M. RYBALKINA^, Andrei A. TUSKOV b

a Penza State University of Architecture and Construction, Penza, Russian Federation zarinal [email protected] ORCID: not available

b Penza State University, Penza, Russian Federation

[email protected]

ORCID: not available

• Corresponding author

Article history: Abstract

Received 16 January 2018 Subject This article builds scenarios of industrial development of the Russian Federation Received in revised form in the near terms on the basis of regression models.

19 February 2018 Objectives The article aims to consider the dynamics of industrial development in Russia

Accepted 17 March 2018 and, based on the calculation of industrial production index, predict the development of Available online industry in the coming years.

15 August 2018 Methods The real values of industrial production index by subject and Federal district of

the Russian Federation helped forecast the industrial development in Russia on the basis of JEL classification: C53, E17 building a linear regression model.

Results The article offers a methodological approach to estimate the development of an industrial branch. It can also be applied to other various industries. As well, the article develops and presents certain measures to reduce the impact of negative factors on the industry.

Keywords: industry, industrial Conclusions The proposed scenario of forecasting can contribute to the industrial production index, forecasting, production index increase by subject of the Russian Federation and timely take into regression model account the possible negative impact of factors on the industrial development of Russia.

© Publishing house FINANCE and CREDIT, 2018

Please cite this article as: Rybalkina Z.M., Tuskov A.A. Industrial Development Trends in the Russian Federation. Regional Economics: Theory and Practice, 2018, vol. 16, iss. 8, pp. 1563-1575. https://doi.org/10.24891/re. 16. 8.1563

References

1. Tuskov A.A., Yudina E.S. [Assessment of the social and economic state and definition of prospects of growth of economy of the Penza region]. Modeli, sistemy, seti v ekonomike, tekhnike, prirode i obshchestve, 2015, no. 2, pp. 85-92.

URL: http://journalmss.ru/files/mss/archive/20l5/MSS_2_14__20l5.pdf (In Russ.)

2. Kashin V.K., Makar S.V. [On the prospects of development of the RF Northwestern Federal District regions]. Regionalnaya ekonomika: teoriya i praktika = Regional Economics: Theory and Practice, 2017, vol. 15, iss. 1, pp. 19-34. (In Russ.) URL: https://doi.org/10.24891/re.l5.L19

3. Tuskov A.A. [Using Gretl to build a multi-factor model]. Modeli, sistemy, seti v ekonomike, tekhnike, prirode i obshchestve, 2011, no. 1, pp. 154-159.

URL: http://journalmss.ru/files/mss/archive/2011/MCC_MSN_1_2011.pdf (In Russ.)

4. Kil'deev R.Kh., Tuskov A.A. [An econometric analysis of the main socio-economic indicators of rural development]. Ekonomicheskie nauki = Economic Sciences, 2015, no. 3, pp. 29-31. URL: http://ecsn.ru/files/pdf/201503/201503_29.pdf (In Russ.)

5. Rybalkina Z.M. [Organizational and economic mechanism of management of industrial enterprise]. Izvestiya vysshikh uchebnykh zavedenii. Tekhnologiya tekstil'noi promyshlennosti = Proceedings of Higher Education Institutions. Textile Industry Technology, 2016, no. 4, pp. 12-16. URL: http://ttp.ivgpu.com/wp-content/uploads/2016/11/364_2-2.pdf (In Russ.)

6. Tuskov A.A., Pronyakin I.S., Tolmacheva V.A. [Econometric analysis of the economic component of the development of the region]. Moskovskii ekonomicheskii zhurnal, 2017, no. 1, p. 21.

(In Russ.) URL: http://qje.su/regionalnaya-ekonomika-i-razvitie/moskovskij-ekonomicheskij-zhurnal-1-2017-23/

7. Tuskov A.A., Yudina E.S. [Econometric modeling of socio-economic development of the Penza region using logitovyh models]. Modeli, sistemy, seti v ekonomike, tekhnike, prirode i obshchestve, 2014, no. 4, pp. 56-62.

URL: http://journalmss.ru/files/mss/archive/2014/MSS_MSN_4_12_2014.pdf (In Russ.)

8. Rybalkina Z.M. [A model of development of an organization's management]. Vestnik Kazanskogo tekhnologicheskogo universiteta = Herald of Kazan Technological University, 2009, no. 1,

pp. 122-125. URL: https://cyberleninka.ru/article/vZmodel-razvitiya-upravlyaemosti-organizatsii (In Russ.)

9. Krinichanskii K.V., Lavrent'ev A.S. [A comparative assessment of the economic development of regions: Methodological issues]. Regionalnaya ekonomika: teoriya i praktika = Regional Economics: Theory and Practice, 2017, vol. 15, iss. 10, pp. 1794-1817. (In Russ.)

URL: https://doi.org/10.24891/re.15.10.1794

10. Rybalkina Z.M. [Multi-factor model of manageability of the organization]. Vestnik Kazanskogo tekhnologicheskogo universiteta = Herald of Kazan Technological University, 2010, no. 8,

pp. 136-139. URL: https://cyberleninka.ru/article/vZmnogofaktornaya-model-upravlyaemosti-organizatsii (In Russ.)

11. Rybalkina Z.M., Kulikov V.G. [Technique of the assessment of controllability of the organization]. Izvestiya vysshikh uchebnykh zavedenii. Tekhnologiya tekstil'noi promyshlennosti = Proceedings of Higher Education Institutions. Textile Industry Technology, 2014, no. 6, pp. 12-15.

URL: http://ttp.ivgpu.com/wp-content/uploads/2015/10/354_3.pdf (In Russ.)

12. Rybalkina Z.M., Khol'kina O.V. [Regulation of staff turnover on the basis of personnel controlling: Regional specific features]. Regionalnaya ekonomika: teoriya i praktika = Regional Economics: Theory and Practice, 2017, vol. 15, iss. 3, pp. 482-495. (In Russ.)

URL: https://doi.org/10.24891/re.15.3.482

13. Tuskov A.A., Zakharov A.Yu., Tolmacheva V.A. [Econometric analysis of the gross regional product]. Moskovskii ekonomicheskii zhurnal, 2017, no. 1. (In Russ.) URL: http://qje.su/regionalnaya-ekonomika-i-razvitie/moskovskij-ekonomicheskij-zhurnal-3-2017-4/

Conflict-of-interest notification

We, the authors of this article, bindingly and explicitly declare of the partial and total lack of actual or potential conflict of interest with any other third party whatsoever, which may arise as a result of the publication of this article. This statement relates to the study, data collection and interpretation, writing and preparation of the article, and the decision to submit the manuscript for publication.