Построение теоретических прогнозных сценариев развития циркулярной экономики в России

Введение

Развитие концепта циркулярной экономики требует применения новейших инструментов анализа, позволяющих осуществлять диагностику современного состояния циркулярности социально-экономического пространства. Получаемые в ходе моделирования и прогнозирования точные результаты применимы для актуализации стратегических программ регионального развития, что позволит повысить эффективность в достижении показателей устойчивого развития и, следовательно, значительно улучшить качество жизни населения.

Данное исследование проведено с целью построения теоретических прогнозных сценариев развития циркулярной экономики в России.

В соответствии с этим обозначены следующие задачи:

- проведение парного корреляционного сравнения показателей, используемых для создания динамической модели циркулярной экономики;

- осуществление отбора наиболее значимых показателей на основе совокупной оценки значений двусторонних корреляций по ряду расчетных коэффициентов для определения уровня развития циркулярной экономики;

- построение множественной регрессионной динамической модели оценки циркулярной экономики;

- разработка структурной системной и параметрической когнитивных карт динамической модели развития циркулярной экономики (с использованием программного пакета Vensim PLE);

- создание системной динамической модели развития циркулярной экономики в пакете Vensim PLE;

- прогнозирование развития циркулярной экономики в России и проведение сравнительного анализа результатов построения теоретических прогнозных сценариев развития циркулярной экономики в России.

Методы и материалы

Для построения теоретических прогнозных сценариев развития циркулярной экономики в пространстве предлагается задействовать программные продукты IBM SPSS Statistics [1] и Vensim PLE [2]. В рамках проводимого исследования, используя их основные возможности, созданы динамическая и когнитивная модели циркулярной экономики, позволяющие разработать комплексные сценарии, взаимодополняющие друг друга и предполагающие возможность проведения сравнительного анализа.

При создании динамической модели циркулярной экономики использованы обновленные в 2019–2020 гг. статистические данные Росстата [3], представленные в сопоставимом временном периоде в интервале 2014–2018 гг. Информация для анализа соответствует составляющим показателям инструмента Macro-CEDI [1] (Gureva, 2020). Для исключения наиболее несвязанных показателей, имеющих минимальную значимость, используются расчетные показатели парной корреляции, в числе которых коэффициенты: Tay-b Кендалла (ранговая корреляция), Спирмена, Пирсона. При оценке полученных расчетных значений во внимание принималась только двусторонняя корреляционная значимость на уровне 0,01. На основе вычислений программного продукта IBM SPSS Statistics 26 через инструмент «Анализ-Корреляция-Парная» составлена таблица 1.

Для оптимизации проведения процедуры отбора осуществлен расчет количества выявленных совпадений с высоким уровнем значимости, под которым понимаются значения двусторонней корреляции на уровнях 0,01 и 0,05. Показатели с суммарным значением 12 и выше признаны как оказывающие максимальное воздействие на оценку уровня развития циркулярной экономики (табл. 2).

Таблица 1

Фрагмент полученных результатов парного корреляционного сравнения показателей, используемых для создания динамической модели циркулярной экономики*

Источник: составлено автором.

Таблица 2

Отбор наиболее значимых показателей на основе совокупной оценки значений двухсторонних корреляций по ряду расчетных коэффициентов для определения уровня развития циркулярной экономики*

Источник: составлено автором.

Полученный набор показателей обладает строгим логическим построением, например, интересна связка в блоке, характеризующем социальное развитие: «численность постоянного населения – численность населения, проживающего в неблагоприятных экологических условиях – количество объектов эколого-просветительской деятельности и познавательного туризма». В экологическом блоке наиболее значимыми выступают ключевые индикаторы в привязке к мониторингу показателей устойчивого развития, описывающие состояние атмосферного воздуха и степень утилизации отходов. Показателем с максимальной значимостью в экономическом блоке являются затраты на капитальный ремонт основных фондов по охране окружающей среды, тем самым опережая показатели ВВП и текущие (эксплуатационные) затраты на охрану окружающей среды.

Далее с помощью инструмента «Анализ-Регрессия-Линейная» (пакет IBM SPSS Statistics 26) и с указанием множественных переменных получены расчеты линейной регрессии, демонстрирующие влияние наиболее значимых частных показателей на итоговое значение элемента инструментария комплексной оценки уровня развития циркулярной экономики на макроуровне, – Macro-CEDI, наделенного ролью критериального показателя. Роль предикторов выполняют девять отобранных показателей на этапе корреляционного анализа. В таблице 3 представлен фрагмент проведенного регрессионного анализа.

Таблица 3

Фрагмент сводной таблицы расчетных значений, используемых при построении множественной регрессионной динамической модели оценки циркулярной экономики*

Источник: составлено автором.

На рисунке 1 представлены элементы частной регрессии по показателям, формирующим динамическую модель циркулярной экономики: затраты на капитальный ремонт основных фондов по охране окружающей среды (условное обозначение – «Затраты КФОС»), доля твердых бытовых отходов, которые регулярно собираются и надлежащим образом удаляются, в общей массе городских отходов («Доля ТБО»), количество объектов эколого-просветительской деятельности и познавательного туризма в государственных природных заповедниках и национальных парках («Количество объектов»).

Стоит отметить, что отобранные в ходе анализа показатели имеют наиболее высокое количество суммарных значений по параметру значимых корреляций, рассчитанных на предыдущем этапе.

Динамическая модель циркулярной экономики описывается уравнением множественной регрессии и представлена формулой 1.

T-Macro-CEDI = 1,361 * Х_{Доля_ТБО} + 0,475 * Х_{Затраты_КФОС} – 1,445 * Х_{Количество_объектов},

где T-Macro-CEDI – значения элемента инструментария комплексной оценки уровня развития циркулярной экономики на макроуровне;

Х_{Доля_ТБО} – доля твердых бытовых отходов, которые регулярно собираются и надлежащим образом удаляются, в общей массе городских отходов;

Х_{Затраты_КФОС} – затраты на капитальный ремонт основных фондов по охране окружающей среды;

Х_{Количество_объектов} – количество объектов эколого-просветительской деятельности и познавательного туризма в государственных природных заповедниках и национальных парках.

Рисунок 1. Выявленная регрессионная зависимость предикторов и критериального показателя, используемых при создании динамической модели циркулярной экономики (программный пакет IBM SPSS Statistics 26)

На рисунке 2, согласно полученным расчетным данным, визуализирована кривая динамической модели циркулярной экономики, описывающая ее развитие в России. Временной период анализа датируется 2014–2019 гг. Из-за отсутствия статистической полноты переменная Х_{Доля_ТБО} рассмотрена с учетом отходов, отправленных на обработку, что повышает сопоставимость данных, не нарушая логичность построения.

- кривая развития циркулярной экономики;

- линия тренда, описывающая линейную зависимость;

- полиномиальная линия тренда

Рисунок 2. Визуализация расчетных значений по формуле динамической модели циркулярной экономики в России

Источник: составлено автором.

Кривая имеет ярко выраженный волнообразный характер, стоит отметить, что наблюдается положительная динамика с 2018 г. Произошедшее изменение, вероятнее всего, связано с увеличением значимости роли природной среды в российском обществе [4]. Явно прослеживаются положительные влияния от обширного комплекса мероприятий, приуроченных в 2017 г. к Году экологии в России [5], и начатой в 2018 г. реализации национального проекта «Экология» [6]. На 22 апреля 2020 г. доля запланированных расходов в федеральном бюджете страны на охрану окружающей среды составляет порядка 1,7% (358,1 млрд руб.) [7], а общий рост затрат на охрану окружающей среды, включая оплату услуг природоохранного назначения, с 2014 г. включительно до 2019 г. увеличился в 1,57 раз [8].

Учитывая выявленные тенденции, предпринята попытка прогнозирования развития циркулярной экономики в России на основе разработанной ее динамической модели. Используя инструменты математического моделирования программного пакета MS Excel, построена линия тренда с горизонтом планирования на 5 лет, что обусловлено сроком завершения национального проекта «Экология» в 2024 г. (рис. 3 (а, б)). Выбранная полиномиальная зависимость является более предпочтительной для осуществления построения на его основе прогностического сценария развития циркулярной экономики, что объясняется более высокой степенью точности аппроксимации R² = 0,96, нежели чем у линейной зависимости R² = 0,88.

а) полиномиальная функция 3-ей степени

б) полиномиальная функция 6-й степени

Рисунок 3. Прогнозирование развития циркулярной экономики в России по формуле динамической модели

Источник: составлено автором.

При сохранении и стимулировании сложившихся предпосылок дальнейшее внедрение принципов циркулярной экономики в российском пространстве имеет высокий потенциал развития. Особенную значимость выявленный факт приобретает в непростых условиях глобального экономического вызова, обусловленного пандемическим распространением COVID-19, нарушающего привычное функционирование экономической системы. Внедрение новых бизнес-моделей циркулярного характера способно оказать «реанимирующее» воздействие и породить запуск качественно нового витка в циклическом развитии экономики, тем самым обеспечив эффективное разрешение совокупности чрезвычайно сложных социальных вопросов, и сформировать новую модель устойчивости в обществе. Описанная возможность нашла отражение в потребительском поведении: ряд источников и различные исследователи многократно отмечали стремительно возникшие изменения в структуре спроса на товары и услуги – значительно уменьшилось приобретение излишнего, «пустого». Вполне допустимо, что произошедшее кардинальное изменение взглядов общества и пересмотр ценностей породят новый ориентир, определяющий цивилизационное развитие.

Главным достоинством когнитивного моделирования является возможность

осуществлять построение прогностических сценариев развития процессов, трудно поддающихся прогнозированию и (или) невозможных в режиме реального времени; к среде таких процессов причислена циркулярная экономика [2–9] (Martyshina, 2014; Ginis, 2005; Gurman, 2012; Costanza, Cumberland, Daly, Goodland, Norgaard, 1997; Korableva, 2016; Lavrik, 2002). Для обеспечения повышения степени достоверности теоретических прогнозных сценариев развития циркулярной экономики в России принято решение использовать инструмент Vensim PLE, позволяющий осуществить системный анализ и когнитивное моделирование изучаемого процессного явления.

В его основу заложена инновационная модель концепта циркулярной экономики [10] (Gureva, 2019). Описываемая система стремится к состоянию сбалансированной устойчивости, т.е. к максимально возможному для достижения уровню развития циркулярной экономики (T-Macro-CEDI).

Первоначальное действие заключалось в формировании описательных характеристик концептуальных элементов ее динамической модели, основанных на предшествующих результатах. Далее зафиксирован тип инерционных импульсов («входящие» и «выходящие», с оказываемым положительным либо отрицательным влиянием прямого или обратного действия), прослеживающийся при связанности элементов когнитивной карты (табл. 4).

Построенная когнитивная карта доступно визуализирует структурные декомпозиционные уровни: циркулярная экономика представлена взаимодействиями положительного и отрицательного характера на трех уровнях своего проявления – микро-, мезо- и макро- – агрегированные вершины Macro-CEDI, Mezo-CEDI и Micro-CEDI, «наполненные» 30 факторами меньшего порядка. Под факторами понимаются показатели, используемые в одноименных инструментах оценки [1] (Gureva, 2020). Вследствие высокой плотности сетки взаимосвязанности ряда элементов не представляется возможным отобразить их полную картину.

При построении подробной параметрической когнитивной карты динамической модели развития циркулярной экономики за основу взята совокупная оценка значений двусторонних корреляций и исключены концептуальные элементы качественных инструментов оценки Micro-CEDI и Mezo-CEDI для повышения сопоставимости, масштабности и снижения субъективности анализируемых данных.

Ранее описанные группировки задействованных элементов получили названия: «Социальная устойчивость», «Экологическая устойчивость» и «Экономическая устойчивость», совокупность их взаимодействий образует «треугольник» устойчивости, в центральной части которого располагается изучаемое явление – циркулярная экономика, – таким образом, прослеживается ее фундаментальная роль в построении нового концепта устойчивости.

На когнитивной карте отображено взаимовлияние между ее «вершинами», оказывающее положительное либо отрицательное воздействие в зависимости от интерпретации происходящих изменений в конкретный момент времени. Некоторая часть графов взаимодействий опущена по умолчанию в связи с очевидностью оказываемых ими прямых влияний и логичности последующих цепных изменений при нарастании степени композиционной значимости элементов.

В таблице 5 отображены в формате матрицы смежной конфигурации найденные взаимосвязи между рассматриваемыми «вершинами» и элементами, разгруппированные на три вида: обладающие положительным и (или) отрицательным импульсом и с отсутствием прямой связи, что позволяет повысить степень восприятия информации.

Смоделированная когнитивная имитация развития циркулярной экономики способствует оперативному отображению текущей эффективности принятых и формированию новых управленческих решений в данном направлении.

Таблица 4

Основные описательные характеристики концептуальных элементов динамической модели циркулярной экономики, нанесенные на когнитивную карту

** основной особенностью изучаемых импульсов является непредсказуемость характера их влияния, т.е. конкретно рассматриваемое значение i-го параметра способно оказывать как положительное, так и отрицательное воздействие, что подчеркивает одну из главных особенностей концепта циркулярной экономики – ее замкнутость (цикличность)

Источник: составлено автором.

Таблица 5

Матрица смежной конфигурации параметрической когнитивной карты динамической модели развития циркулярной экономики

Источник: составлено автором.

Для построения прогнозных сценариев развития циркулярной экономики в программном пакете VensimPLE разработана ее системная динамическая модель (рис. 4). При осуществлении непосредственного построения в качестве основы заложена ранее представленная когнитивная карта.

Рисунок 4. Системная динамическая модель развития циркулярной экономики

Источник: разработано автором в программном пакете VensimPLE.

Основными отличительными чертами является наличие замкнутых парных взаимодействий, присущих концепту циркулярной экономики, также введены наиболее значимые показатели уровня циркулярности при оценке развития экономики.

Результаты и их обсуждение. При введении в модель имеющихся статистических данных (согласно официальной информации Росстата на 2018 г.) текущие параметры оценены системой как неустойчивые. Наблюдается отрицательная динамика при осуществлении прогнозирования с горизонтом планирования на ближайшие 15 лет по трем типам устойчивости – социальной, экологической и экономической, что в конечном счете все же способно привести к росту циркулярной экономики до 27,5%, но, вероятнее всего, через путь недопустимого катастрофического разрушения существующих значений и результатов достигнутого частично устойчивого состояния. Представленный прогноз соответствует представленному ранее расчету по формуле динамической модели, демонстрирующей возможный рост циркулярной экономики, но не учитывающей снижение общей устойчивости экономической системы и ее потери при сохранении текущих параметров (рис. 5).

Рисунок 5. Сценарий возможного развития циркулярной экономики на основе системной динамической модели при сохранении значений текущих параметров

Источник: разработано автором в программном пакете VensimPLE.

При программном, стратегическом планировании территориального пространства региона (и/или страны в целом) с целью укрепления положения концепта циркулярной экономики и решения сложных социально-экономических вопросов особую важность приобретает возможность моделирования процессов развития различных видов устойчивости. Представленная разработка системной динамической модели является эффективным управленческим инструментом, отображающим «в режиме реального времени» сменяемость множественности теоретических прогнозных сценариев социально-экономического развития, исходя из заданных расчетных параметров (рис. 6–8).

Рисунок 6. Теоретический прогнозный сценарий развития циркулярной экономики через призму социальной устойчивости

Источник: разработано автором в программном пакете VensimPLE.

Представленный сценарий (рис. 7) демонстрирует, что доминирование исключительно только социальной устойчивости при неизменных значениях показателей в экологической и экономической сферах способно обеспечить их положительную динамику и поддерживать достаточно высокий уровень циркулярности экономики на протяжении примерно шести последующих лет, но не способно обеспечить ее более долгосрочный прирост.

Рисунок 7. Теоретический прогнозный сценарий развития циркулярной экономики через призму экономической устойчивости

Источник: разработано автором в программном пакете VensimPLE.

Согласно данному прогнозному сценарию (рис. 9), превалирование исключительно экономической составляющей приведет к небольшому росту социальной и экономической устойчивости, при этом экологическая устойчивость будет постепенно снижаться, т.е. произойдет окончательное разрушение природной среды, что, возможно, приведет к новому облику планеты. Данный тип развития отчасти сопоставим с текущей ситуацией, когда в подавляющем количестве случаев экономические интересы, продиктованные потребительской моделью поведения общества, ставятся превыше экологических.

Следующий сценарий (рис. 8) показывает, как развитие экологической устойчивости взаимодействует с взаимосвязанными параметрами системы. Ее рост оказывает положительное влияние на все типы устойчивости, что приводит к развитию циркулярной экономики на долгосрочную перспективу. Несмотря на то, что экологическая устойчивость будет иметь определенную отрицательную динамику по окончании временного интервала прогнозирования, данный вариант развития выступает наиболее предпочтительным.

Рисунок 8. Теоретический прогнозный сценарий развития циркулярной экономики через призму экологической устойчивости

Источник: разработано автором в программном пакете VensimPLE.

Заключение. Сравнительные результаты построения теоретических прогнозных сценариев развития циркулярной экономики в России, полученные посредством двух разработанных инструментов анализа и прогнозирования (формула динамической модели (в IBM SPSS Statistics) и сама системная динамическая модель развития циркулярной экономики (в Vensim PLE)), представлены в таблице 6.

Таблица 6

Сравнительные результаты построения теоретических прогнозных сценариев развития циркулярной экономики в России

Предлагаемая к использованию системная динамическая модель развития циркулярной экономики является гибким универсальным инструментом анализа и прогнозирования, что обуславливается его высокой адаптивностью, позволяя оперативно вносить в него необходимые усовершенствования, включая новые параметры и элементы анализа.

Рассматриваемые результаты основных сценариев логически доказывают замкнутость взаимодействий и взаимосвязей различного порядка, возникающих при внедрении процессов, присущих концепту циркулярной экономики, что подтверждает верность теоретико-методического подхода по ее анализу и оценке. Выявлено, что наибольшим влиянием обладают экологическая и социальная устойчивость, чьи положительные изменения приводят к существенному росту циркулярной экономики.

Симбиотическое использование элементов когнитивного моделирования и системного внализа делает возможным изучение сложного процессного явления динамики циркулярной экономики в территориальном пространстве региона. Данный симбиоз наглядно демонстрирует эффективность и своевременность принятия управленческих решений на государственном уровне.

[1] Приложение IBM SPSS Statistics: официальный сайт. – 2020. [Электронный ресурс]. URL: https://www.ibm.com/ru-ru/analytics/spss-statistics-software (дата обращения: 21.04.2020).

[2] Приложение Vensim PLE: официальный сайт. – 2020. [Электронный ресурс]. URL: https://vensim.com/ (дата обращения: 22.04.2020).

[3] Федеральная служба государственной статистики. Росстат: официальный сайт. – 2020. [Электронный ресурс]. URL : https://gks.ru/sdg (дата обращения: 19.04.2020).

^[4] О Целях устойчивого развития. – Текст: электронный // Федеральная служба государственной статистики. Росстат: официальный сайт. – 2020. [Электронный ресурс]. URL: https://gks.ru/sdg (дата обращения: 19.04.2020).

^[5] Министерство природных ресурсов и экологии Российской Федерации: официальный сайт. – 2020. [Электронный ресурс]. URL : http://www.mnr.gov.ru/activity/year_of_ecology/ (дата обращения: 29.04.2020).

^[6] Национальный проект «Экология»: официальный сайт. – 2020. [Электронный ресурс]. URL : http://government.ru/rugovclassifier/848/events/ (дата обращения: 29.04.2020).

[7] Единый портал бюджетной системы Российской Федерации. Электронный бюджет: официальный сайт. - 2020. [Электронный ресурс]. URL : http://budget.gov.ru (дата обращения: 29.04.2020).

[8] Охрана окружающей среды. Сведения о достижении показателей госпрограммы: официальный сайт. [Электронный ресурс]. 2020. – URL : https://programs.gov.ru/Portal/programs/reportIndicators?gpId=12&year=2019 (дата обращения: 01.04.2020).