Российские территории устойчивого развития

Смирнов В.В.1, Мулендеева А.В.1
1 Чувашский государственный университет им. И.Н. Ульянова, Россия, Чебоксары

Статья в журнале

Экономика, предпринимательство и право (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 12, Номер 1 (Январь 2022)

Цитировать:
Смирнов В.В., Мулендеева А.В. Российские территории устойчивого развития // Экономика, предпринимательство и право. – 2022. – Том 12. – № 1. – С. 427-448. – doi: 10.18334/epp.12.1.114144.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=48019690
Цитирований: 4 по состоянию на 05.09.2022

Аннотация:
В статье рассмотрена проблема устойчивого развития российских территорий и поставлена задача выявить определяющие регионы, движущую силу и причину их связанности при достижении целей устойчивого развития. Исследование основано на системном подходе с применением метода статистического, нейросетевого и кластерного анализа. В исследовании выявлено противоречие ‒ приоритет инвестиций в основной капитал по направлениям инвестирования по виду экономической деятельности «Производство электроэнергии, получаемой из возобновляемых источников энергии, включая выработанную солнечными, ветровыми, геотермальными электростанциями, в том числе деятельность по обеспечению их работоспособности» и отставание по позиции России в рейтинге проекта «Doing business» Всемирного банка по показателю «Getting credit»». Показан приоритет в отношении ожидаемой продолжительности жизни при рождении», который реализуется посредством национальных проектов. Анализ региональной важности российских больших кластеров выявил Московскую область по доли населения, живущего за национальной чертой бедности и ожидаемой продолжительность жизни при рождении. Анализ межрегиональных связей выявил определяющие территории, существование которых поддерживается динамикой развивающегося российского рынка. Положения исследования расширяют сферу знаний и развивают компетенции членов Правительства Российской Федерации для принятия комплементарных управленческих решений в отношении формирования плана пространственного развития российских территорий.

Ключевые слова: движущая сила, динамика развивающегося рынка, определяющие территории, причина связанности, цели устойчивого развития

JEL-классификация: E60, E69, O10, O11, O12, O18



Введение

Актуальность выявления определяющих территорий достижения российских целей устойчивого развития (далее – ЦУР) связана с признанием государствами – членами Организации Объединенных Наций (ООН) недостаточности применяемых мировым сообществом мер для обеспечения необходимых перемен. В 2015 г. была принята Повестка дня ООН в области устойчивого развития на период до 2030 г., призванная положить конец нищете и направить международное сообщество на путь обеспечения мира, процветания и возможностей для всех на здоровой планете. Для достижения 17 целей в области устойчивого развития (ЦУР) требуется преобразовать финансовые, экономические и политические системы, которые управляют сегодня обществом, в контексте с гарантиями прав человека для всех.

В этом контексте под определяющими территориями достижения российских целей устойчивого развития понимается регион, существенно влияющий на уровень социально-экономического развития страны. Для использования потенциала ООН (193 стран) и максимального достижения ЦУР необходимо выявить определяющие территории достижения российских ЦУР. Это позволит выделить внутренние резервы и определить направления сотрудничества с государствами – членами ООН в области ЦУР.

Обзор литературы

В современной научной литературе выделяются возможности и риски достижения разнообразных и многоплановых ЦУР. Н. Есино, Ф. Тагизаде-Хесари, М. Оцука выявили, что пандемия Covid-19 и глобальный экономический спад привели к утрате интереса к возобновляемой энергетике. Это ставит под угрозу достижение ЦУР и Парижского соглашения об изменении климата [1, с. 101695] (Yoshino, Taghizadeh-Hesary, Otsuka, 2021, р. 101695).

Дж. Кастор, К. Бача, Ф.Ф. Нерини показали, что энергетические проекты, направленные на достижение ЦУР 7, имеют многочисленные синергические связи с другими ЦУР и их задачами [2, с. 101556] (Castor, Bacha, Nerini, 2020, р. 101556).

Дж. Халкос, Э.-К. Гкампура считают, что связанные с экономикой цели ЦУР 8 (достойный труд и экономический рост), ЦУР 9 (промышленность, инновации и инфраструктуру) и ЦУР 12 (ответственное потребление и производство) близки к достижению. Для достижения целей и задач в отношении образования (ЦУР 4), устойчивости городов и сообществ (ЦУР 11) и изменения климата (ЦУР 13) необходимо ускорение [3, с. 94‒122] (Halkos, Gkampoura, 2021, р. 94–122).

Ш. Ламичхане, Г. Наклемез, Р. Гедик, М.Х.С. Бутта, Б. Эреней обнаружили, что ЦУР 1 (искоренение бедности), ЦУР 7 (доступная и чистая энергия), ЦУР 11 (устойчивые города и сообщества, партнерства) среди 17 ЦУР показывают динамику улучшения. С другой стороны, показатели качества образования в рамках ЦУР 4 и достойной работы, и экономического роста в рамках ЦУР 8 снижаются. Наивысшая эффективность была отмечена в ЦУР 8 «Достойный труд и экономический рост», а самая низкая ‒ в ЦУР 17 «Укрепление средств осуществления и активизация работы в рамках Глобального партнерства в интересах устойчивого развития» [4, с. 125040] (Lamichhane, Eğilmez, Gedik, Bhutta, Erenay, 2021, р. 125040).

Д. Кук, Б. Давидсдоттир указывают, что показатель инновационного развития является наиболее полным по охвату и учитывает рыночное благосостояние [5, с. 106996] (Cook, Davíðsdóttir, 2021, р. 106996).

Ю.-Дж. Цай, Ц.-М. Чой обнаружили, что среди ЦУР значительное внимание уделяется потреблению и производству, чистой воде и санитарии, мерам по борьбе с изменением климата. В то же время сокращению бедности и неравенства, рациональному использованию водных ресурсов и санитарии, сохранению и рациональному использованию океанов, морей и морских ресурсов уделяется недостатаочное внимание [6, с. 102010] (Cai, Choi, 2020, р. 102010).

С. Цани, Ф. Кундури, Э. Акинсете считают, что необходимо разработать соответствующие вспомогательные методологии, учитывающие социально-экономические и экологические аспекты управления водными ресурсами. Политика должна быть нацелена на экологические соглашения, альтернативные сценарии изменения климата, прозрачные количественные меры, нацеленные на устойчивый спрос на воду, а также явную инфраструктуру и каналы передачи знаний, которые могут ускорить внедрение устойчивого управления водными ресурсами на региональном и глобальном уровне [7, с. 570‒579] (Tsani, Koundouri, Akinsete, 2020, р. 570–579).

С. Ян, В. Чжао, Я. Лю, Ф. Керубини, Б. Фу, П. Перейра выявили, что реализации стратегий по достижению ЦУР часто препятствует потенциальный компромисс между приоритетами в области защиты окружающей среды или благосостояния людей [8, с. 321‒330] (Yang, Zhao, Liu, Cherubini, Fu, Pereira, 2020, р. 321–330).

Т.Е.Т. Дантас, Э.Д. Соуза, И.Р. Дестро, Г. Хаммес, Н.М.Т. Родригес, С.Р. Соарес указывают на комбинацию практик циркулярной экономики (СЕ) и Индустрии 4.0 (I4.0), способствующих достижению ЦУР. Взаимосвязь CE-I4.0 напрямую способствует достижению ЦУР 7, ЦУР 8, ЦУР 9, ЦУР 11, ЦУР 12 и ЦУР 13. CE-I4.0 имеет решающее значение в усилиях по достижению ЦУР [9, с. 213‒227] (Dantas, Souza, Destro, Hammes, Rodriguez, Soares, 2021, р. 213–227).

С. Дахри, С. Слимани, А. Омри обнаружили, что открытое предпринимательство положительно влияет на устойчивое развитие [10, c. 120561] (Dhahri, Slimani, Omri, 2021, р. 120561).

Ф. Гюнцель-Йенсен, Н. Зибольд, А. Крюгер, Ш. Корсгаард выявили, что одним из основных факторов, вносящих вклад в достижение ЦУР, являются предприятия социального предпринимательства [11, e00162] (Günzel-Jensen, Siebold, Kroeger, Korsgaard, 2020).

Т. Яманэ, С. Канеко оценили неоднородное влияние личных характеристик и устойчивых взглядов на предпочтения заинтересованных сторон [12, c. 125291] (Yamane, Kaneko, 2021, р. 125291).

С. Эльмасса, М. Мохиелдин выявили, что локализация позволяет правительствам эффективно адаптировать стратегии устойчивого развития на местном уровне [13, c. 106490] (ElMassah, Mohieldin, 2020, р. 106490).

И. Хуань, Т. Лян, Х. Ли, Ч. Чжан считают, что оценка пространственно-временного прогресса в достижении ЦУР поможет отследить глобальный прогресс [14, c. 141875] (Huan, Liang, Li, Zhang, 2021, р. 141875).

Итак, мировое научное сообщество выделяет комплекс мер для ликвидации нищеты и ориентации международного сообщества на обеспечение мира, процветания и возможностей для всех в контексте эффективной адаптации ЦУР как в отдельной стране, так и на уровне определенных регионов.

Методология исследования

Целью исследования является выявить определяющие регионы, движущую силу и причину их связанности при достижении целей устойчивого развития. Для решения этой задачи применимы методы статистического, нейросетевого и кластерного анализа, включающие обработку статистических показателей, их систематизацию и представление в форме графиков и таблиц. Статистический анализ отразит по признакам изменение условий и выявит факторы, обусловливающие взаимосвязи данных, корреляцию пространственных и временных рядов.

Нейросетевой анализ позволит выявить закономерности изменения исследуемых факторов, устанавливающих региональную важность российских больших кластеров, определяя достаточные условия возниковения и сохранения взаимообусловленных связей.

Применение кластерного анализа обусловлено дополнением вероятностного понимания причинности со связанностью изменений оцениваемых действий. Кластерный анализ систематизирует данные, содержащие информацию о выборке факторов, и упорядочивает их в однородные группы, что позволяет классифицировать исследуемые территории, выявить схемы их группирования и сформулировать гипотезы. При этом положения, выведенные с помощью статистического, нейросетевого и кластерного анализа, позволят выявить определяющие территории достижения российских ЦУР.

Авторская гипотеза связана с требованиями целесообразной кластеризации определяющих территорий по приоритетам: обеспечение здорового образа жизни и содействие благополучию для всех в любом возрасте, заложенными в национальных проектах «Наука», «Образование», «Цифровая экономика», «Производительность труда», «Безопасные и качественные автомобильные дороги»; повсеместной ликвидации нищеты во всех ее формах.

Анализ

Анализ темпов прироста российских показателей целей устойчивого развития (табл. 1) выявил:

1) низкие значения:

- отрицательные средние: «ЦУР 2. Доля домохозяйств, указавших при оценке своего материального положения на нехватку денег на еду, %» и «ЦУР 16. Позиция России в рейтинге проекта «Doing business» Всемирного банка по показателю «Getting credit»;

Таблица 1

Темпы прироста российских показателей целей устойчивого развития (ЦУР), 2017‒2019 гг.

ЦУР / Наименование показателя
Среднее
Дисперсия
1 / Доля населения, живущего за национальной чертой бедности, за год, предшествующий предыдущему, %
-2,3
0,0
1 / Доля домохозяйств, указавших при оценке своего материального положения на наличие финансовых трудностей по оплате по крайней мере одного из установленных платежей (оплата услуг ЖКХ, электроэнергии, лекарств для неотложного лечения, образования, погашения банковских кредитов), %
-11,7
20,1
1 / Реальные денежные доходы населения, в процентах к предыдущему периоду, %
2,1
4,3
2 / Индекс производства продукции сельского хозяйства в сопоставимых ценах к предыдущему году, в сопоставимых ценах к предыдущему году, %
-0,1
16,3
2 / Доля домохозяйств, указавших при оценке своего материального положения на нехватку денег на еду, %
-19,0
586,2
3 / Коэффициент материнской смертности, на 100 тыс. родившихся живыми, человек
-3,2
62,8
3 / Смертность от дорожно-транспортных происшествий, на 100 тыс. населения, чел.
-5,2
0,0
3 / Ожидаемая продолжительность жизни при рождении, лет
0,7
0,2
3 / Смертность населения в трудоспособном возрасте, на 100 тыс. населения, чел.
-3,6
14,1
4 / Доля взрослых, обладающих навыками в области информационно-коммуникационных технологий, в % от общей численности населения в возрасте 15–74 лет, до 2017 г. – в возрасте 15–72 лет
0,6
6,4
4 / Доля молодежи, обладающей навыками в области информационно-коммуникационных технологий, в % от общей численности населения в возрасте 15–24 лет
-0,6
0,6
4 / Валовой коэффициент охвата образовательными программами высшего образования – программами бакалавриата, специалитета, магистратуры, в процентах от численности населения в возрасте 17–25 лет, %
0,4
2,9
4 / Доля дошкольных образовательных организаций, в которых создана универсальная безбарьерная среда для инклюзивного образования детей-инвалидов, в общем количестве дошкольных образовательных организаций, %
7,4
17,7
5 / Доля мест, занимаемых женщинами в национальных парламентах, % (по состоянию на 1 января текущего года)
5,2
40,2
5 / Численность прошедших переобучение и повышение квалификации женщин, находящихся в отпуске по уходу за ребенком в возрасте до трех лет, а также женщин, имеющих детей дошкольного возраста, не состоящих в трудовых отношениях и обратившихся в органы службы занятости, человек
1,9
27,4
6 / Доля нормативно очищенной сточной воды, %
7,7
4,9
7 / Доля электрической энергии, производимой с использованием возобновляемых источников энергии, в общем объеме производства электрической энергии, %
1,2
1,1
7 / Инвестиции в основной капитал по направлениям инвестирования по виду экономической деятельности «Производство электроэнергии, получаемой из возобновляемых источников энергии, включая выработанную солнечными, ветровыми, геотермальными электростанциями, в том числе деятельность по обеспечению их работоспособности», тыс. руб.
85,8
2449,0
8 / Индекс производительности труда, % к предыдущему году
0,6
1,9
8 / Доля неформальной занятости в несельскохозяйственном секторе в разбивке по полу, %
1,7
1,3
8 / Уровень безработицы в разбивке по полу, возрасту и признаку инвалидности, %
-6,0
3,1
8 / Доля молодежи (в возрасте от 15 до 24 лет), которая не учится, не работает и не приобретает профессиональных навыков, %
-4,9
97,0
9 / Количество исследователей (в эквиваленте полной занятости) на миллион жителей, чел.
-2,2
3,3
9 / Доля исследователей в возрасте до 39 лет в общей численности российских исследователей, %
0,7
0,5
9 / Доля продукции высокотехнологичных и наукоемких отраслей в валовом внутреннем продукте за год, предшествующий предыдущему, %
0,5
10,3
9 / Доля домашних хозяйств, имеющих доступ к сети "Интернет", в общем числе домашних хозяйств, %
0,9
0,9
9 / Плотность автомобильных дорог общего пользования с твердым покрытием на 1000 кв. км территории, км на 1000 кв. км территории
1,1
0,0
10 / Доля оплаты труда наемных работников (заработная плата и фактические отчисления на социальное страхование) в валовом внутреннем продукте, %
-1,7
14,3
10 / Доля иностранных граждан и лиц без гражданства, находящихся на территории Российской Федерации, от общей численности населения Российской Федерации, %
3,1
48,6
10 / Индекс концентрации доходов (коэффициент Джини)
-0,1
0,3
11 / Соотношение темпа ввода в действие жилых домов к темпу роста населения
4,2
46,1
11 / Доля общей протяженности освещенных частей городских улиц, проездов, набережных в общей протяженности городских улиц, проездов, набережных, %
0,9
0,0
11 / Доля площади зеленых насаждений в пределах городской черты в общей площади городских земель в пределах городской черты, %
-2,5
7,2
11 / Количество городов с высоким и очень высоким уровнем загрязнения атмосферного воздуха, единиц
-2,8
83,4
11 / Доля населения, проживающего в аварийном жилищном фонде, %
11,3
57,5
12 / Количество объектов эколого-просветительской деятельности и познавательного туризма в государственных природных заповедниках и национальных парках, единиц
2,4
2,3
13 / Сведения об общем числе природных чрезвычайных ситуаций, единиц
-2,0
316,6
13 / Расходы консолидированного бюджета Российской Федерации и бюджетов государственных внебюджетных фондов на защиту населения и территории от чрезвычайных ситуаций природного и техногенного характера, гражданская оборона, млрд руб.
1,2
77,3
13 / Совокупные выбросы парниковых газов в процентах к 1990 году (без учета ЗИЗЛХ – сектор «Землепользование, изменение землепользования и лесное хозяйство»), %
3,3
0,4
13 / Совокупные выбросы парниковых газов в процентах к 1990 году (с учетом ЗИЗЛХ – сектор «Землепользование, изменение землепользования и лесное хозяйство»), %
4,3
3,7
14 / Выпуск молоди водных биологических ресурсов в объекты рыбохозяйственного значения (млн штук), млн штук
-0,3
55,1
14 / Количество научных экспедиций в морях Российской Федерации и ключевых районах Мирового океана, в год, единиц
8,4
1344,0
14 / Производство (выращивание) рыбопосадочного материала для аквакультуры, тыс. т.
7,1
12,7
15 / Площадь земельных участков, расположенных в границах лесничеств, лесопарков, в процентном отношении к площади земель всех категорий, %
0,1
0,0
15 / Отношение площади лесовосстановления и лесоразведения к площади вырубленных и погибших лесных насаждений, %
10,1
16,6
15 / Индекс объема природоохранных расходов на сохранение биоразнообразия и охрану природных территорий в % к предыдущему году, в сопоставимых ценах, в % к предыдущему году, в сопоставимых ценах
13,8
1074,6
15 / Площадь рекультивированных земель за год, га
13,2
3157,6
16 / Доля населения, использующего сеть Интернет для получения государственных и муниципальных услуг, в процентах от общей численности населения, в % от общей численности населения в возрасте 15–72 лет
26,5
470,9
16 / Позиция России в рейтинге проекта «Doing business» Всемирного банка
-11,2
2,0
16 / Позиция России в рейтинге проекта «Doing business» Всемирного банка по показателю «Getting credit»
-14,9
634,0
17 / Доля национального бюджета, формируемая внутренними налогами, %
6,6
19,6
17 / Чистый объем официальной помощи в целях развития (как суммарной, так и выделяемой наименее развитым странам) в процентном отношении к валовому национальному доходу доноров-членов Комитета содействия развитию Организации экономического сотрудничества и развития (ОЭСР), %
-9,4
517,6
17 / Долларовый объем финансовой и технической помощи развивающимся странам (в том числе оказываемой по линии Север-Юг, Юг-Юг и в рамках трехстороннего сотрудничества), млн долл. США
-2,7
220,0
17 / Валовой внутренний продукт Российской Федерации в единой валюте на душу населения (по паритету покупательной способности), долл. США
6,6
22,1
17 / Доля населения, пользующегося информационно-телекоммуникационной сетью «Интернет», %
4,2
4,8
Источник: рассчитано с применением «IBM SPSS Statistics» по данным © 1999‒2022 Copyright Федеральная служба государственной статистики. https://rosstat.gov.ru (Access: 13.01.2022).

- отрицательные медианные: «ЦУР 16. Позиция России в рейтинге проекта «Doing business» Всемирного банка по показателю «Getting credit» и «ЦУР 17. Чистый объем официальной помощи в целях развития (как суммарной, так и выделяемой наименее развитым странам) в процентном отношении к валовому национальному доходу доноров – членов Комитета содействия развитию Организации экономического сотрудничества и развития (ОЭСР)»;

- дисперсия выборки: «ЦУР 1. Доля населения, живущего за национальной чертой бедности, за год, предшествующий предыдущему» и «ЦУР 15. Площадь земельных участков, расположенных в границах лесничеств, лесопарков, в процентном отношении к площади земель всех категорий»;

2) высокие значения:

- средние и медианные: «ЦУР 7. Инвестиции в основной капитал по направлениям инвестирования по виду экономической деятельности "Производство электроэнергии, получаемой из возобновляемых источников энергии, включая выработанную солнечными, ветровыми, геотермальными электростанциями, в том числе деятельность по обеспечению их работоспособности"» и «ЦУР 16. Доля населения, использующего сеть Интернет для получения государственных и муниципальных услуг, в процентах от общей численности населения, в % от общей численности населения в возрасте 15–72 лет»;

- дисперсия выборки: «ЦУР 7. Инвестиции в основной капитал по направлениям инвестирования по виду экономической деятельности "Производство электроэнергии, получаемой из возобновляемых источников энергии, включая выработанную солнечными, ветровыми, геотермальными электростанциями, в том числе деятельность по обеспечению их работоспособности"» и «ЦУР 15. Площадь рекультивированных земель за год».

Расчет среднего арифметического является одной из наиболее распространенных мер центральной тенденции. Медиана ‒ число, характеризующее выборку. Если все элементы выборки различны, то медиана ‒ это такое число выборки, что ровно половина из элементов выборки больше него, а другая половина меньше него). Дисперсия ‒ наиболее употребительная мера рассеивания, т.е. отклонения от среднего.

Например, среднее и медиана темпов прироста российских показателей целей устойчивого развития за 2017 ‒ 2019 гг. по ЦУР 1 «Доля населения, живущего за национальной чертой бедности, за год, предшествующий предыдущему, %» равны (дисперсия =0), следовательно темпы прироста доли населения, живущего за национальной чертой бедности, равномерно снижаются на 2,3%.

Итак, статистический анализ темпов прироста российских показателей ЦУР выявил противоречие ‒ приоритет «ЦУР 7. Инвестиции в основной капитал по направлениям инвестирования по виду экономической деятельности "Производство электроэнергии, получаемой из возобновляемых источников энергии, включая выработанную солнечными, ветровыми, геотермальными электростанциями, в том числе деятельность по обеспечению их работоспособности"» и отставание по «ЦУР 16. Позиция России в рейтинге проекта «Doing business» Всемирного банка по показателю «Getting credit». Это противоречие оказывает существенное влияние на значение дисперсии выборки ЦУР 7.

В результате кластерного анализа темпов прироста российских показателей целей устойчивого развития (табл. 2) выявлены большие кластеры: «ЦУР 1. Доля населения, живущего за национальной чертой бедности, за год, предшествующий предыдущему»; «ЦУР 1. Реальные денежные доходы населения, в процентах к предыдущему периоду»; «ЦУР 3. Ожидаемая продолжительность жизни при рождении».

Таблица 2

Большие кластеры темпы прироста российских показателей целей устойчивого развития (ЦУР), 2017 ‒ 2019 гг.

Кластер
Квадрат евклидова расстояния
1 / Доля населения, живущего за национальной чертой бедности, за год, предшествующий предыдущему, %
9 / Количество исследователей (в эквиваленте полной занятости) на миллион жителей
10,99
3 / Смертность населения в трудоспособном возрасте, на 100 тыс. населения
18,29
3 / Смертность от дорожно-транспортных происшествий, на 100 тыс. населения
42,10
1 / Реальные денежные доходы населения, в процентах к предыдущему периоду, %
100,39
5 / Численность прошедших переобучение и повышение квалификации женщин, находящихся в отпуске по уходу за ребенком в возрасте до трех лет, а также женщин, имеющих детей дошкольного возраста, не состоящих в трудовых отношениях и обратившихся в органы службы занятости, человек
126,25
11 / Количество городов с высоким и очень высоким уровнем загрязнения атмосферного воздуха, единиц
195,42
4 / Доля дошкольных образовательных организаций, в которых создана универсальная безбарьерная среда для инклюзивного образования детей-инвалидов, в общем количестве дошкольных образовательных организаций, %
237,25
11 / Доля населения, проживающего в аварийном жилищном фонде, %
340,22
3 / Коэффициент материнской смертности, на 100 тыс. родившихся живыми, чел.
459,01
1 / Доля домохозяйств, указавших при оценке своего материального положения на наличие финансовых трудностей по оплате по крайней мере одного из установленных платежей (оплата услуг ЖКХ, электроэнергии, лекарств для неотложного лечения, образования, погашения банковских кредитов), %
609,76
2 / Доля домохозяйств, указавших при оценке своего материального положения на нехватку денег на еду, %
2654,59
14 / Количество научных экспедиций в морях Российской Федерации и ключевых районах Мирового океана, в год, единиц
5082,26
7 / Инвестиции в основной капитал по направлениям инвестирования по виду экономической деятельности «Производство электроэнергии, получаемой из возобновляемых источников энергии, включая выработанную солнечными, ветровыми, геотермальными электростанциями, в том числе деятельность по обеспечению их работоспособности», тыс. руб.
26682,74
1 / Реальные денежные доходы населения, в процентах к предыдущему периоду, %
13 / Совокупные выбросы парниковых газов в процентах к 1990 году (с учетом ЗИЗЛХ – сектор «Землепользование, изменение землепользования и лесное хозяйство»), %
11,35
17 / Доля населения, пользующегося информационно-телекоммуникационной сетью «Интернет», %
23,34
3 / Ожидаемая продолжительность жизни при рождении, лет
30,93
2 / Индекс производства продукции сельского хозяйства в сопоставимых ценах к предыдущему году, в сопоставимых ценах к предыдущему году, %
56,34
3 / Ожидаемая продолжительность жизни при рождении, лет
9 / Доля исследователей в возрасте до 39 лет в общей численности российских исследователей, %
0,15
9 / Доля домашних хозяйств, имеющих доступ к сети «Интернет», в общем числе домашних хозяйств, %
0,70
9 / Плотность автомобильных дорог общего пользования с твердым покрытием на 1000 кв. км территории, км на 1000 кв. км территории
1,28
8 / Индекс производительности труда, % к предыдущему году
3,14
4 / Доля молодежи, обладающей навыками в области информационно-коммуникационных технологий, в % от общей численности населения в возрасте 15–24 лет
5,33
4 / Доля взрослых, обладающих навыками в области информационно-коммуникационных технологий, в % от общей численности населения в возрасте 15–74 лет, до 2017 г. ‒ в возрасте 15–72 лет
8,90
7 / Доля электрической энергии, производимой с использованием возобновляемых источников энергии, в общем объеме производства электрической энергии, %
19,80
Примечание: Иерархический кластерный анализ – среднее расстояние между кластерами, квадрат евклидова расстояния.

Источник: рассчитано с применением «IBM SPSS Statistics» по данным © 1999‒2022 Copyright Федеральная служба государственной статистики. https://rosstat.gov.ru (Access: 13.01.2022).

Наибольшей плотностью связей (квадрат евклидова расстояния меньше 10) обладают: «ЦУР 3. Ожидаемая продолжительность жизни при рождении» и «ЦУР 9. Доля исследователей в возрасте до 39 лет в общей численности российских исследователей», «ЦУР 9. Доля домашних хозяйств, имеющих доступ к сети «Интернет», в общем числе домашних хозяйств», «ЦУР 9. Плотность автомобильных дорог общего пользования с твердым покрытием на 1000 кв. км территории, км на 1000 кв. км территории», «ЦУР 8. Индекс производительности труда, % к предыдущему году», «ЦУР 4. Доля молодежи, обладающей навыками в области информационно-коммуникационных технологий, в % от общей численности населения в возрасте 15–24 лет», «ЦУР 4. Доля взрослых, обладающих навыками в области информационно-коммуникационных технологий, в % от общей численности населения в возрасте 15–74 лет, до 2017 г. ‒ в возрасте 15–72 лет».

Критерием отнесения к определенному кластеру является среднее расстояние между кластерами (квадрат евклидова расстояния). Признаком отнесения являются ЦУР.

Итак, кластерный анализ показывает приоритет в отношении «ЦУР 3. Ожидаемая продолжительность жизни при рождении», который реализуется посредством национальных проектов «Наука», «Образование», «Цифровая экономика», «Производительность труда», «Безопасные и качественные автомобильные дороги».

Проводя анализ государственных программ и стратегий различных стран, Н.П. Любушин, Н.Э. Бабичева, А.И. Лылов, Е.И. Пуляхин обнаружили, что значительным пробелом в управлении непрерывностью деятельности субъектов хозяйствования является отсутствие предметных, отраслевых и технологических показателей, направленных на обеспечение непрерывности и устойчивости их функционирования при наступлении критических точек, называемых «большими вызовами» [15, с. 2253‒2275] (Lyubushin, Babicheva, Lylov, Pulyakhin, 2020, р. 2253–2275).

Нейросетевой анализ региональной важности российских больших кластеров (табл. 3) выявил наибольшую среднюю важность «ЦУР 3. Ожидаемая продолжительность жизни при рождении, лет», в которой выделяются: г. Санкт-Петербург, Архангельская область (без АО), Кемеровская область, Московская область, Республика Карелия и Пермский край.

Таблица 3

Нейросетевой анализ региональной важности российских больших кластеров, 2012 ‒ 2019 гг., %.

Регион
Важность «Доля населения, живущего за национальной чертой бедности, за год, предшествующий предыдущему, %»
Важность «Реальные денежные доходы, в % к предыдущему году»
Важность «Ожидаемая продолжительность жизни при рождении, лет»
Белгородская область
16,2
56,0
40,1
Брянская область
43,0
22,9
26,1
Владимирская область
20,5
61,2
74,8
Воронежская область
35,7
77,7
59,4
Ивановская область
55,1
36,2
27,0
Калужская область
23,6
28,0
16,7
Костромская область
27,5
61,3
49,5
Курская область
64,3
91,9
26,4
Липецкая область
16,2
34,6
8,1
Московская область
99,7
57,2
85,8
Орловская область
44,2
33,1
50,6
Рязанская область
22,5
73,0
49,8
Смоленская область
29,3
79,4
70,8
Тамбовская область
38,5
32,0
29,5
Тверская область
16,0
43,2
67,5
Тульская область
43,0
48,6
22,6
Ярославская область
15,6
24,2
41,9
г. Москва
20,9
33,1
78,0
Республика Карелия
73,7
47,6
80,9
Республика Коми
25,3
52,9
45,3
Архангельская область
45,3
12,9
35,2
Ненецкий автономный округ
13,8
29,1
59,7
Архангельская область (без АО)
59,8
31,7
92,8
Вологодская область
69,5
100,0
31,3
Калининградская область
52,9
55,1
65,2
Ленинградская область
23,7
48,2
49,2
Мурманская область
47,5
30,9
60,1
Новгородская область
20,1
47,8
59,6
Псковская область
68,4
42,1
46,1
г. Санкт-Петербург
13,5
68,6
100,0
Республика Адыгея
35,3
28,3
51,5
Республика Калмыкия
38,1
53,4
36,2
Республика Крым
16,1
39,2
17,6
Краснодарский край
17,9
25,1
73,5
Астраханская область
40,2
57,5
50,7
Волгоградская область
50,4
39,5
24,7
Ростовская область
50,8
31,1
20,2
г. Севастополь
9,5
24,6
27,6
Республика Дагестан
24,4
78,7
47,3
Республика Ингушетия
100,0
25,3
66,2
Кабардино-Балкарская Республика
37,6
74,2
31,2
Карачаево-Черкесская Республика
74,4
35,7
37,2
Республика Северная Осетия – Алания
53,8
30,4
20,0
Чеченская Республика
85,0
35,3
58,1
Ставропольский край
44,0
54,5
30,5
Республика Башкортостан
15,3
18,2
28,5
Республика Марий Эл
53,2
44,7
17,1
Республика Мордовия
80,0
52,9
25,0
Республика Татарстан
43,3
74,8
36,5
Удмуртская Республика
60,8
38,6
33,0
Чувашская Республика
45,6
17,2
19,2
Пермский край
29,8
56,7
79,5
Кировская область
38,7
49,0
49,9
Нижегородская область
11,7
29,8
13,3
Оренбургская область
42,9
38,6
37,3
Пензенская область
47,8
34,4
37,0
Самарская область
34,0
35,1
56,9
Саратовская область
54,2
24,2
25,9
Ульяновская область
24,8
23,3
29,9
Курганская область
29,7
24,0
40,9
Свердловская область
50,9
44,9
35,4
Тюменская область
52,4
63,0
38,1
Ханты-Мансийский автономный округ – Югра
31,9
54,3
48,7
Ямало-Ненецкий автономный округ
7,5
18,3
43,2
Тюменская область (без АО)
19,4
12,6
25,3
Челябинская область
39,4
21,9
19,9
Республика Алтай
14,8
36,1
44,6
Республика Тыва
21,7
40,7
50,8
Республика Хакасия
80,0
35,7
40,1
Алтайский край
22,5
28,7
29,6
Красноярский край
39,2
54,4
25,3
Иркутская область
30,7
52,1
49,0
Кемеровская область
36,3
37,0
91,0
Новосибирская область
50,0
44,6
19,2
Омская область
30,7
9,4
50,5
Томская область
38,5
47,6
15,7
Республика Бурятия
34,2
19,6
24,6
Республика Саха (Якутия)
16,4
35,3
68,2
Забайкальский край
19,2
76,3
63,1
Камчатский край
18,4
53,2
20,1
Приморский край
38,4
35,7
21,9
Хабаровский край
39,8
71,5
48,0
Амурская область
17,7
41,5
45,1
Магаданская область
57,3
30,6
61,5
Сахалинская область
15,3
70,7
61,5
Еврейская автономная область
42,5
31,8
48,7
Чукотский автономный округ
26,9
70,7
77,9
Среднее
38,2
43,6
44,1
Примечание. Многослойный перцептрон, пакетное обучение.

Источник: рассчитано с применением «IBM SPSS Statistics» по данным © 1999‒2022 Copyright Федеральная служба государственной статистики. https://rosstat.gov.ru (Access: 13.01.2022).

По «ЦУР 1. Доля населения, живущего за национальной чертой бедности, за год, предшествующий предыдущему, %» ‒ Республика Ингушетия, Московская область, Чеченская Республика, Республика Хакасия, Республика Мордовия и Карачаево-Черкесская Республика. «ЦУР 1. Реальные денежные доходы населения, в процентах к предыдущему периоду, %» ‒ Вологодская область, Курская область, Смоленская область, Республика Дагестан, Воронежская область и Забайкальский край.

Итак, результаты нейросетевого анализа региональной важности российских больших кластеров ваделяют Московскую область по «ЦУР 1. Доля населения, живущего за национальной чертой бедности, за год, предшествующий предыдущему, %» и «ЦУР 3. Ожидаемая продолжительность жизни при рождении, лет».

Нейросетевой анализ межрегиональных связей (кластеров) достижения российских целей устойчивого развития (табл. 4) выявил определяющие территории ‒ Брянская область, Республика Алтай, Республика Коми, Ростовская область, Ставропольский край и Ханты-Мансийский автономный округ – Югра.

Таблица 4

Определяющие межрегиональные связи (кластеры) достижения российских целей устойчивого развития (ЦУР)

Квадрат евклидова расстояния
Кластер
6,37
Ханты-Мансийский автономный округ – Югра
Иркутская область
8,19
Орловская область
Еврейская автономная область
9,53
Ростовская область
Республика Северная Осетия – Алания
14,66
Республика Марий Эл
Новосибирская область
34,54
Ульяновская область
Алтайский край
37,82
Республика Алтай
Амурская область
38,27
Ивановская область
Волгоградская область
39,77
Карачаево-Черкесская Республика
Республика Хакасия
39,86
Республика Коми
Ленинградская область
41,74
Оренбургская область
Пензенская область
42,35
Рязанская область
Республика Дагестан
49,13
Забайкальский край
Сахалинская область
50,09
Ставропольский край
Красноярский край
52,40
Брянская область
Челябинская область
58,41
Республика Башкортостан
Тюменская область (без АО)
60,94
Кабардино-Балкарская Республика
Республика Татарстан
63,06
Тверская область
Республика Саха (Якутия)
67,38
Республика Коми
Ханты-Мансийский автономный округ – Югра
68,86
Тульская область
Томская область
70,33
Липецкая область
Нижегородская область
71,46
Тамбовская область
Приморский край
72,50
Брянская область
Республика Бурятия
75,14
Астраханская область
Кировская область
77,09
Республика Адыгея
Самарская область
78,17
Республика Алтай
Республика Тыва
82,54
Ростовская область
Саратовская область
93,25
г. Москва
Краснодарский край
94,77
Республика Калмыкия
Ставропольский край
98,09
Мурманская область
Магаданская область
Примечание: Иерархический кластерный анализ – среднее расстояние между кластерами, квадрат евклидова расстояния.

Источник: рассчитано с применением «IBM SPSS Statistics» по данным таблицы 3 (Access: 13.01.2022).

Среди определяющих территорий по ВРП на душу населения выделяется Ханты-Мансийский автономный округ – Югра и Республика Коми.

Обсуждение результатов

В результате выявления определяющих территорий достижения российских ЦУР обнаружено противоречие ‒ приоритет «ЦУР 7. Инвестиции в основной капитал по направлениям инвестирования по виду экономической деятельности "Производство электроэнергии, получаемой из возобновляемых источников энергии, включая выработанную солнечными, ветровыми, геотермальными электростанциями, в том числе деятельность по обеспечению их работоспособности"» и отставание по «ЦУР 16. Позиция России в рейтинге проекта «Doing business» Всемирного банка по показателю «Getting credit». Разрешение этого противоречия является одним из основных факторов достижения ЦУР ООН.

Кластеризация определяющих территорий может осуществляться по приоритету «ЦУР 3. Ожидаемая продолжительность жизни при рождении», который реализуется посредством национальных проектов «Наука», «Образование», «Цифровая экономика», «Производительность труда», «Безопасные и качественные автомобильные дороги». По связанности российских регионов в контексте «ЦУР 1. Доля населения, живущего за национальной чертой бедности, за год, предшествующий предыдущему, %» и ЦУР 3. Ожидаемая продолжительность жизни при рождении, лет» выделяется Московская область, Брянская область, Республика Алтай, Республика Коми, Ростовская область, Ставропольский край и Ханты-Мансийский автономный округ – Югра.

Динамика развивающегося российского рынка существенно отстает от стран с развивающейся экономикой, тем более от развивающихся азиатских рынков. В то же время динамика российского рынка не отрывается от нефтегазового тренда.

А.Р. Садриев, Б.Н. Камаев установили, что восходящий тренд проявляется только у Китая и Индии. В модели для Индии этот тренд нельзя назвать устойчивым, поскольку в нем присутствуют многочисленные колебания с достаточно серьезной амплитудой. Тренд для Китая, напротив, имеет строго монотонную траекторию роста. Прогнозная динамика диверсификации экспорта у России и у Бразилии имеет сопоставимые черты и характеризуется определенным спадом с короткими периодами колебаний [16, с. 2154‒2182] (Sadriev, Kamaev, 2020, р. 2154–2182).

О.В. Шимко выявил практически соразмерный рост добычи жидких углеводородов и природного газа. Большая часть совокупной добычи приходилась именно на жидкие углеводороды. По темпам прирост добычи жидких углеводородов и природного газа на уровне ведущих публичных нефтегазовых корпораций мира опережал наращивание соответствующих доказанных запасов, а потому произошло общее снижение уровня обеспеченности компаний ресурсами. Присущие биржевому сектору нефтегазовой отрасли показатели обеспеченности составляют в основном от 10 до 15 лет. Указанный временной диапазон и является ориентиром при оценке величины обеспеченности публичных нефтегазовых корпораций доказанными запасами жидких углеводородов и природного газа. Свое положение в отрасли по операционным показателям сумели упрочить крупнейшие публичные нефтегазовые корпорации из России и Канады. У большинства независимых компаний США и корпораций КНР ситуация с показателями по добыче и доказанным запасам стала заметно хуже [17, с. 1916‒1944] (Shimko, 2020, р. 1916–1944).

К.А. Ермолаев, М.С. Кузьмин утверждают, что экспорт наряду со спецификой страны и спецификой временного периода вносит важный вклад в ВВП ‒ увеличение экспорта приводит к экономическому росту страны [18, с. 2050‒2067] (Ermolaev, Kuzmin, 2020, р. 2050–2067).

А.А. Никонова полагает, что модернизация и преобразование энергетической системы должны рассматриваться как управляемые процессы, организуемые по системным правилам, и направлены на адаптивную настройку системы управления к изменению объектов и среды их функционирования в процессе трансформации [19, с. 1840‒1869] (Nikonova, 2020, р. 1840–1869).

В.В. Акбердина, О.П. Смирнова, Л.М. Аверина считают, что индустриально развитые регионы являются основой развития российской экономики. Именно в этих регионах происходит сетизация технологической структуры экономики, смена укладов, рост высокотехнологичного сектора промышленности, модернизация производства и потребления. В то же время локальная неэффективность промышленного производства в мирное время сглаживается рынком, но в условиях мобилизации и военного времени эта проблема может стать серьезным ограничением развертывания непрерывного многосменного производства [20, с. 2186‒2209] (Akberdina, Smirnova, Averina, 2020, р. 2186–2209).

Заключение

В результате исследования выявлена движущая сила достижения российских ЦУР, которая связана с увеличением доли населения, использующего сеть Интернет для получения государственных и муниципальных услуг, обусловленная низкой стоимостью (в 5–6 раз меньше, чем в среднем по миру) безлимитного интернета, а также 1 ГБ мобильного и в четыре раза ниже, чем в Евросоюзе, стоимостью электроэнергии.

Низкая стоимость электроэнергии вписывается в «ЦУР 7. Инвестиции в основной капитал по направлениям инвестирования по виду экономической деятельности "Производство электроэнергии, получаемой из возобновляемых источников энергии, включая выработанную солнечными, ветровыми, геотермальными электростанциями, в том числе деятельность по обеспечению их работоспособности"». В то же время приоритетное использование населением интернета для получения государственных и муниципальных услуг в общем объеме интернет-услуг существенно ограничивает достижение «ЦУР 16. Содействие построению миролюбивого и открытого общества в интересах устойчивого развития, обеспечение доступа к правосудию для всех и создание эффективных, подотчетных и основанных на широком участии учреждений на всех уровнях». Это ограничение связано с недостаточной грамотностью населения относительно возможностей защиты своих интересов, используя ресурсы Европейского суда по правам человека (ЕСПЧ), Международной федерации по правам человека, Международного Комитета Красного Креста, правозащитной организации Human Rights Watch, Организации Объединенных Наций и др.

Для российской действительности целесообразно осуществлять кластеризацию определяющих территорий по приоритету «ЦУР 3. Обеспечение здорового образа жизни и содействие благополучию для всех в любом возрасте», основание которого заложено в национальных проектах «Наука», «Образование», «Цифровая экономика», «Производительность труда», «Безопасные и качественные автомобильные дороги». В этом контексте («ЦУР 3. Обеспечение здорового образа жизни и содействие благополучию для всех в любом возрасте» и «ЦУР 1 Повсеместная ликвидация нищеты во всех ее формах») выделяется Московская область, Брянская область, Республика Алтай, Республика Коми, Ростовская область, Ставропольский край и Ханты-Мансийский автономный округ – Югра.


Источники:

1. Yoshino N., Taghizadeh-Hesary F., Otsuka M. Covid-19 and Optimal Portfolio Selection for Investment in Sustainable Development Goals // Finance Research Letters. – 2021. – № 38. – p. 101695. – doi: 10.1016/j.frl.2020.101695.
2. Castor J., Bacha K., Nerini F.F. SDGs in action: A novel framework for assessing energy projects against the sustainable development goals // Energy Research & Social Science. – 2020. – № 68. – p. 101556. – doi: 10.1016/j.erss.2020.101556.
3. Halkos G., Gkampoura E.-C. Where do we stand on the 17 Sustainable Development Goals? An overview on progress // Economic Analysis and Policy. – 2021. – № 70. – p. 94‒122. – doi: 10.1016/j.eap.2021.02.001.
4. Lamichhane S., Eğilmez G., Gedik R., Bhutta M.K.S., Erenay B. Benchmarking OECD countries’ sustainable development performance: A goal-specific principal component analysis approach // Journal of Cleaner Production. – 2021. – № 287. – p. 125040. – doi: 10.1016/j.jclepro.2020.125040.
5. Cook D., Davíðsdóttir B. An appraisal of interlinkages between macro-economic indicators of economic well-being and the sustainable development goals // Ecological Economics. – 2021. – № 184. – p. 106996. – doi: 10.1016/j.ecolecon.2021.106996.
6. Cai Y.-J., Choi T.-M. A United Nations’ Sustainable Development Goals perspective for sustainable textile and apparel supply chain management // Transportation Research Part E: Logistics and Transportation Review. – 2020. – № 141. – p. 102010. – doi: 10.1016/j.tre.2020.102010.
7. Tsani S., Koundouri P., Akinsete E. Resource management and sustainable development: A review of the European water policies in accordance with the United Nations’ Sustainable Development Goals // Environmental Science & Policy. – 2020. – № 114. – p. 570‒579. – doi: 10.1016/j.envsci.2020.09.008.
8. Yang S., Zhao W., Liu Y., Cherubini F., Fu B., Pereira P. Prioritizing sustainable development goals and linking them to ecosystem services: A global expert's knowledge evaluation // A global expert's knowledge evaluation. Geography and Sustainability. – 2020. – № 1. – p. 321‒330. – doi: 10.1016/j.geosus.2020.09.004.
9. Dantas T.E.T., Souza E.D., Destro I.R., Hammes G., Rodriguez C.M.T., Soares S.R. How the combination of Circular Economy and Industry 4.0 can contribute towards achieving the Sustainable Development Goals // Sustainable Production and Consumption. – 2021. – № 26. – p. 213‒227. – doi: 10.1016/j.spc.2020.10.005.
10. Dhahri S., Slimani S., Omri A. Behavioral entrepreneurship for achieving the sustainable development goals // Technological Forecasting and Social Change. – 2021. – № 165. – p. 120561. – doi: 10.1016/j.techfore.2020.120561.
11. Günzel-Jensen F., Siebold N., Kroeger A., Korsgaard S. Do the United Nations’ Sustainable Development Goals matter for social entrepreneurial ventures? A bottom-up perspective // Journal of Business Venturing Insights. – 2020. – № 13. – p. e00162. – doi: 10.1016/j.jbvi.2020.e00162.
12. Yamane T., Kaneko S. Impact of raising awareness of Sustainable Development Goals: A survey experiment eliciting stakeholder preferences for corporate behavior // Journal of Cleaner Production. – 2021. – № 285. – p. 125291. – doi: 10.1016/j.jclepro.2020.125291.
13. ElMassah S., Mohieldin M. Digital transformation and localizing the Sustainable Development Goals (SDGs) // Ecological Economics. – 2020. – № 169. – p. 106490. – doi: 10.1016/j.ecolecon.2019.106490.
14. Huan Y., Liang T., Li H., Zhang C. A systematic method for assessing progress of achieving sustainable development goals: A case study of 15 countries // Science of The Total Environment. – 2021. – № 752. – p. 141875. – doi: 10.1016/j.scitotenv.2020.141875.
15. Любушин Н.П., Бабичева Н.Э., Лылов А.И., Пуляхин Е.И. Экономический анализ влияния больших вызовов на устойчивость и непрерывность деятельности субъектов хозяйствования // Экономический анализ: теория и практика. – 2020. – № 12. – c. 2253‒2275. – doi: 10.24891/ea.19.12.2253.
16. Садриев А.Р., Камаев Б.Н. Моделирование направлений диверсификации экспорта // Экономический анализ: теория и практика. – 2020. – № 11. – c. 2154‒2182. – doi: 10.24891/ea.19.11.2154.
17. Шимко О.В. Анализ показателей добычи и запасов ведущих публичных нефтегазовых корпораций мира // Экономический анализ: теория и практика. – 2020. – № 10 (505). – c. 1916‒1944. – doi: 10.24891/ea.19.10.1916.
18. Ермолаев К.А., Кузьмин М.С. Влияние экспорта на состояние национальных экономик и изменение их положения в мировом конкурентном пространстве // Экономический анализ: теория и практика. – 2020. – № 11(506). – c. 2050‒2067. – doi: 10.24891/ea.19.11.2050.
19. Никонова А.А. Системный синтез в разработке механизмов инновационного развития ТЭК: методологические вопросы // Экономический анализ: теория и практика. – 2020. – № 10 (505). – c. 1840‒1869. – doi: 10.24891/ea.19.10.1840.
20. Акбердина В.В., Смирнова О.П., Аверина Л.М. Устойчивость и адаптивность пространственного развития промышленных комплексов в условиях сетизации экономики // Экономический анализ: теория и практика. – 2020. – № 12. – c. 2186‒2209. – doi: 10.24891/ea.19.12.2186.

Страница обновлена: 17.09.2022 в 14:13:18