Методический инструментарий интегральной оценки социально-экономических систем на примере анализа динамики индикаторов научно-технической безопасности регионов России

Митяков Е.С.1, Ладынин А.И.1
1 МИРЭА - Российский технологический университет, Россия, Москва

Статья в журнале

Экономическая безопасность (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 5, Номер 2 (Апрель-июнь 2022)

Цитировать:
Митяков Е.С., Ладынин А.И. Методический инструментарий интегральной оценки социально-экономических систем на примере анализа динамики индикаторов научно-технической безопасности регионов России // Экономическая безопасность. – 2022. – Том 5. – № 2. – С. 473-490. – doi: 10.18334/ecsec.5.2.114409.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=48777061
Цитирований: 1 по состоянию на 05.09.2022

Аннотация:
В работе представлен методический инструментарий обобщенной оценки социально-экономических систем на примере исследования показателей научно-технической безопасности субъектов Федерации. Инструментарий базируется на использовании трех взаимодополняющих методик количественного анализа: поиск оптимального в смысле Парето множества, определенного по совокупности анализируемых индикаторов; расчет обобщенного индекса по объектам статистического наблюдения; иерархический кластерный анализ, позволяющий выявить наиболее удаленные по оцениваемому перечню показателей объекты исследования. С целью верификации инструментария, в работе предложена система показателей научно-технической безопасности региона, которая содержит четыре индикатора, характеризующих различные аспекты функционирования системы. Мониторинговые расчеты по трем различными методиками показали в целом схожие результаты. Разработанный инструментарий может быть задействован для комплексной оценки уровня развития социально-экономических систем и направлен на совершенствование процессов обработки и анализа информации в задачах принятия решений

Ключевые слова: количественный анализ, социально-экономические системы, Парето-оптимальное решение, кластерный анализ, обобщенный индекс, мониторинг, научно-техническая безопасность

JEL-классификация: R12, R13, O31



Введение. Современные методы анализа социально-экономических систем предполагают интеграцию актуального инструментария экономико-математического моделирования для выявления характерных зависимостей, оценки важных факторов влияния и систематизации параметров функционирования.

Инструментарий оценки и прогнозирования динамики социально-экономических систем, как правило, предполагает использование индикативных методов планирования и управления, направленных в первую очередь на мониторинг ключевых показателей в динамике [6] (Leshchenko, 2019). В рамках концепции мониторинга и управления экономической безопасностью используются подходы, позволяющие сформировать наборы индикаторов, представляющие федеральные и региональные значения рассматриваемых, зачастую обобщенных, индексов экономической безопасности [7] (Leshchenko, 2021).

С целью обобщенной оценки социально-экономических систем различных иерархических уровней в работе предлагается задействовать три взаимодополняющие методики количественного анализа: поиск оптимального в смысле Парето множества, определенного по совокупности анализируемых индикаторов; расчет обобщенного индекса по объектам статистического наблюдения; иерархический кластерный анализ, позволяющий выявить наиболее удаленные по оцениваемому перечню показателей объекты исследования.

Выбор совокупности индикаторов научно-технической безопасности. В качестве объекта исследования в работе выступает совокупность регионов Приволжский федеральный округ (ПФО) и Центральный федеральный округ (ЦФО). С целью верификации инструментария в работе предложена система показателей научно-технической безопасности региона, которая содержит четыре индикатора, характеризующих различные аспекты функционирования системы.

Комплексная оценка социально-экономических систем в условиях цифровизации экономики предполагает анализ процессов совершенствования научно-технологического прогресса [15] (Karavaeva, Ivanov, Lev, 2021). Именно поэтому в настоящей работе предлагается рассматривать механизмы анализа совокупности важных индикаторов, характеризующих научно-техническую безопасность объекта управления с применением актуального инструментария экономико-математического моделирования. В качестве инструментария сравнительного моделирования и последующей оценки научно-технической безопасности предлагается использовать следующую совокупность индикаторов и их пороговых значений [8] (Mityakov, 2011):

- число лиц, занятых НИР, на 10 000 занятого населения, (пороговое значение – 120);

- внутренние затраты на научные исследования и разработки, % к ВРП (пороговое значение – 2,2%);

- интенсивность затрат на технологические инновации, % (пороговое значение – 3,2%);

- доля отгруженной инновационной продукции во всей отгруженной продукции промышленности, % (пороговое значение – 25%).

Выбор показателей для проведения сравнительного анализа обусловлен компромиссом между фактором значимости оцениваемых индикаторов и наличием доступных статистических данных, позволяющих построить соответствующие имитационные модели. Пороговые значения первых трех показателей установлены в соответствии с усредненным значением индикаторов в развитых странах [10] (Mityakov, 2019). Пороговое значение индикатора установлено в соответствии с мнением ученых Института экономики РАН [13] (Senchagov, 2010).

Отметим, что на этапе предварительной обработки и анализа информации были выбраны те индикаторы, которые, с одной стороны, наиболее полно отражают состояние научно-технической безопасности региона, а с другой – расчет которых возможен на основе открытых данных, представленных в официальных документах соответствующих государственных ведомств [11].

Отметим, что выбор регионов для анализа индикаторов научно-технической безопасности представлен для двух принципиально разных федеральных округов – Центрального и Приволжского. Это обусловлено не только присутствием фактора географических различий в структуре анализируемого распределения, но, что более важно, отличиями в подходах к обеспечению научно-технического прогресса в процессе реализации соответствующих стратегий инновационного развития. Также в контексте проводимого исследования значительная дифференциация фактических значений анализируемых индикаторов по каждому из регионов позволяет проиллюстрировать предлагаемый методический инструментарий и подчеркнуть результаты наглядной визуализацией. Составим начальные данные, сгруппированные в соответствии с представленным выше перечнем индикаторов научно-технической безопасности (табл. 1, 2). Данные представлены за 2019 год.

Таблица 1

Показатели научно-технической безопасности регионов ЦФО

Показатель
Регион




Белгородская область
20,73
0,29
3,26
16,05
Брянская область
11,34
0,19
0,78
5,79
Владимирская область
79,40
1,17
2,57
6,22
Воронежская область
98,69
1,00
3,50
9,04
Ивановская область
14,37
0,42
0,10
4,08
Калужская область
155,26
1,46
0,56
1,91
Костромская область
3,65
0,07
0,39
2,83
Курская область
48,49
0,64
0,93
7,19
Липецкая область
10,28
0,15
4,26
7,75
Московская область
240,32
2,71
3,90
8,81
Орловская область
26,98
0,32
0,70
4,77
Рязанская область
50,69
0,51
1,22
7,61
Смоленская область
21,58
0,46
1,37
5,49
Тамбовская область
19,93
0,31
4,28
8,32
Тверская область
61,45
1,06
1,05
5,36
Тульская область
63,16
1,23
6,96
8,21
Ярославская область
101,05
1,19
1,45
6,53
г. Москва
237,18
2,10
5,18
5,68
Источник: составлено авторами на основании [11].

Таблица 2

Показатели научно-технической безопасности регионов ПФО

Показатель
Регион




Республика Башкортостан
45,88
0,60
1,61
8,50
Республика Марий Эл
6,84
0,13
0,46
9,08
Республика Мордовия
20,76
0,40
3,71
28,38
Республика Татарстан
68,06
0,69
3,81
20,73
Удмуртская Республика
29,58
0,34
0,73
10,45
Чувашская Республика
28,81
0,66
3,52
9,47
Пермский край
90,21
1,30
1,64
13,07
Кировская область
26,73
0,94
2,21
10,10
Нижегородская область
255,28
6,05
9,44
16,21
Оренбургская область
10,03
0,09
1,39
4,15
Пензенская область
97,85
1,05
2,03
8,23
Самарская область
60,36
1,24
3,05
9,68
Саратовская область
50,94
0,84
1,43
2,38
Ульяновская область
89,12
3,13
2,43
11,41
Источник: составлено авторами на основании [11].

Рассмотрим актуальные подходы к задачам систематизации и последующему анализу данных, характеризующих процессы обеспечения и наращивания научно-технической безопасности. Для этого обратимся к экономико-математическим методам оценки соответствующих данных, формальная составляющая которых позволяет сформировать научно-обоснованные выводы на основе полученных объективных оценок.

Ранжирование регионов с использованием множества оптимальных в смысле Парето-оценок. Рассмотрим подходы к построению рангов по объектам статистического наблюдения с использованием оптимальных в смысле Парето-оценок, позволяющих выявить объекты-лидеры на множестве определенных границами исследования анализируемых индикаторов, определяющих состояние развития системы. Формальную запись задачи можно представить как поиск объекта, обладающего набором индикаторов, обеспечивающих максимизацию рассматриваемых критериев, оптимальных по Парето [5, 12] (Lapaev, 2016; Podinovskiy, Nogin, 2007):

(1)

где представляет максимизируемый показатель, – множество факторов, оказывающих влияние на уровень развития системы.

Для реализации принципа на практике рассматривались статистические данные по регионам Российской Федерации на множестве представленных ранее индикаторов в предположении о критерии их максимизации. Методика поиска Парето-оптимального решения предполагает обобщение на случай, когда рассматриваемые регионы (альтернативы) имеют параметров, определяющие затраты ресурсов и параметров, определяющих полученные результаты , соответственно. Реализация такого подхода предполагает в определении оптимального решения замену неравенств на противоположные и введение строгих неравенств-соотношений для случая значимых индикаторов научно-технической безопасности:

(2.1)

(2.2)

Решение задачи производилось итеративно в предположении о совершенствовании Парето-эффективного множества регионов по выбранным критериям оценки. Результаты ранжирования регионов согласно многокритериальному анализу по Парето представлены в таблицах 3 (ЦФО) и 4 (ПФО). На пересечении строк и столбцов в таблице приведен номер ранга, в который, согласно методике, определен субъект Федерации. В последней строке показано количество рангов, полученных в результате ранжирования, которое говорит о степени дифференциации регионов внутри федерального округа.

Аналитическая обработка представленных в таблице 3 результатов позволяет сделать вывод, что на протяжении рассматриваемого временного интервала среди лидеров находятся г. Москва и Московская область, а также Тульская и Тамбовская области. Среди отстающих регионов по совокупности показателей научно-технической безопасности в ЦФО можно отметить Ивановскую, Орловскую и Костромскую области. Кроме того, с течением времени можно отметить перманентную ротацию регионов в составе различных рангов.

Таблица 3

Ранжирование регионов ЦФО

Показатель
Регион
2016
2017
2018
2019
Белгородская область
2
2
1
1
Брянская область
1
4
4
3
Владимирская область
3
3
2
2
Воронежская область
3
2
2
1
Ивановская область
5
5
5
4
Калужская область
2
2
3
2
Костромская область
4
3
3
5
Курская область
3
2
1
2
Липецкая область
2
3
3
2
Московская область
1
1
1
1
Орловская область
4
4
3
4
Рязанская область
3
3
3
2
Смоленская область
4
3
4
3
Тамбовская область
2
2
2
1
Тверская область
2
2
2
3
Тульская область
2
2
2
1
Ярославская область
2
2
2
2
г. Москва
1
1
2
1
Количество рангов
5
5
5
5
Источник: составлено авторами на основании [11].

Таблица 4

Ранжирование регионов ЦФО

Показатель
Регион
2016
2017
2018
2019
Республика Башкортостан
3
3
3
3
Республика Марий Эл
4
4
5
4
Республика Мордовия
1
1
1
1
Республика Татарстан
1
1
1
1
Удмуртская Республика
3
3
3
3
Чувашская Республика
3
2
3
2
Пермский край
2
1
1
2
Кировская область
4
3
4
3
Нижегородская область
1
1
1
1
Оренбургская область
4
3
4
4
Пензенская область
3
2
2
2
Самарская область
2
2
2
2
Саратовская область
4
3
3
3
Ульяновская область
2
2
2
2
Количество рангов
4
4
5
4
Источник: составлено авторами на основании [11].

Анализ таблицы 4 показывает, что неизменными лидерами ПФО по совокупности рассматриваемых индикаторов выступают Нижегородская область, Республика Мордовия и Республика Татарстан. Аутсайдерами выступают Республика Марий Эл, Кировская область и Оренбургская область. В ПФО также можно отметить перманентную ротацию регионов в составе различных рангов, однако она менее выражена по сравнению с регионами ЦФО.

Построение обобщенного индекса научно-технической безопасности. Использование обобщенных индексов при оценке социально-экономических систем различного масштаба является одним из значимых направлений развития инструментальной составляющей методологии экономической науки [4] (Karavaeva, Lev, 2021). С применением предложенных подходов достигается оперативность оценки объекта управления, в том числе на макроуровне, обеспечивающая возможность разработки требуемых управленческих решений в соответствии с результатами анализа. Для реализации процесса расчета интегрального индекса воспользуемся следующим определяющим соотношением [10] (Mityakov, 2019):

, (3)

где – взвешенный вектор индикаторов; – вектор начальных значений индикаторов; – вектор соответствующих весовых коэффициентов; – момент времени, в который производится анализ.

Поскольку индикаторы зачастую имеют разнообразные пределы изменения и размерность для вычисления интегральных индексов, целесообразно производить их масштабирование (нормирование) на единую шкалу [3] (Karavaeva, Ivanov, Lev, 2020). Масштабирование показателей научно-технической безопасности предлагается проводить на основе следующих соотношений [14] (Senchagov, Mityakov, 2011):

(4)

где – значение нормированного показателя, – его фактическое значение, – пороговое значение индикатора научно-технической безопасности региона. В результате преобразования (4) формируется масштабированный набор индикаторов для анализа и расчетов обобщенного индекса.

Использование весов в модели оценки индикаторов научно-технической безопасности позволяет добиться более точных результатов, адаптируя их под требования исследования и условия функционирования объекта управления [9] (Mityakov, Mityakov, 2014). Отметим, что в рассматриваемых численных примерах верификации разработанной методики были выбраны одинаковые веса вследствие отсутствия необходимости выделения конкретных составляющих научно-технической безопасности. Однако для решения некоторых задач представляется научно обоснованным выделять те составляющие интегральной оценки, что представляют наибольшую ценность в рассматриваемый момент времени . Например, большие веса могут получить те индикаторы, которые находятся дальше от порогового уровня.

На рисунках 1, 2 приведены значения обобщенного показателя научно-технической безопасности для регионов ЦФО и ПФО соответственно. Так, из рисунка 1 видно, что, как и в случае с ранжированием регионов по Парето, лидерами выступают Москва и Московская область, а наименее успешными представителями выборки являются Ивановский, Орловский и Брянский регионы. По некоторым субъектам Федерации можно зафиксировать положительный динамику в значении обобщенного индекса (Белгородская, Владимирская, Воронежская области и др.). Напротив, некоторым регионам характерен отрицательный тренд, к таким относятся Московская, Калужская и Костромская области.


Рисунок 1. Динамика обобщенных индексов научно-технической безопасности регионов ЦФО
Источник: составлено авторами на основании [11].


Рисунок 2. Динамика обобщенных индексов научно-технической безопасности регионов ПФО
Источник: составлено авторами на основании [11].

Анализ полученных результатов на рисунке 2 позволяет сделать вывод, что по значению обобщенного индекса научно-технической безопасности Нижегородская область значительно опережает остальные регионы. К отстающим субъектам Российской Федерации по значению показателя в ПФО можно отнести Оренбургскую область и Республику Марий Эл. Отрицательную динамику в значении индекса демонстрируют Удмуртская Республика и Республика Башкортостан. Положительный тренд – Кировская, Нижегородская области и Республика Чувашия.

Закономерным развитием процессов интерпретации полученных результатов является проведение сравнения между анализируемыми федеральными округами. Так, на рисунке 3 приведены среднеарифметические значения обобщенных индексов научно-технической безопасности по совокупности регионов ПФО и ЦФО. По указанным данным построены линейные тренды методом наименьших квадратов.


Рисунок 3. Сравнительный анализ обобщенных показателей научно-технической безопасности регионов ЦФО и ПФО
Источник: составлено авторами на основании [11].

Из рисунка видно, что в целом значения обобщенного показателя в регионах ПФО больше, что говорит о более высоком развитии регионов округа по уровню научно-технической безопасности при анализе с использованием индикаторов . При этом наклон линии тренда показывает сложившуюся динамику индекса за исследуемый период. Из уравнений линейной регрессии на графике видно, что для регионов ЦФО характерна отрицательная динамика, а для субъектов Федерации, входящих в ПФО, – положительная.

Кластерный анализ научно-технической безопасности регионов Российской Федерации. Для взаимной верификации и подтверждения состоятельности полученных результатов в процессе исследования было принято решение об интеграции в методику кластерного анализа [1] (Ayvazyan, Bukhshtaber, Enyukov, Meshalkin, 1989). Использование данного подхода позволяет выявить и систематизировать «удаление» объектов исследования друг от друга на множестве выбранных критериев – индикаторов научно-технической безопасности. Использование такого рода анализа позволяет проверить полученные ранее результаты, уточнить их и визуализировать с применением иерархических дендрограмм [2] (Zhambyu, 1988).

Рассмотрим результаты кластерного анализа, проводимого с использованием исходных данных, масштабированных в соответствии с формулой (4). Иерархические дендрограммы для регионов ЦФО и ПФО приведены на рисунках 4 и 5 соответственно.


Рисунок 4. Дендрограмма иерархической кластеризации по показателям научно-технической безопасности для регионов ЦФО
Источник: составлено авторами на основании [11].


Рисунок 5. Дендрограмма иерархической кластеризации по показателям научно-технической безопасности для регионов ЦФО
Источник: составлено авторами на основании [11].

Отметим, что при определении критерия связи использовался метод Варда [16] (Ward, 1963), расстояние между кластерами вычислялось согласно евклидовой метрике. На основе приведенной визуализации результатов анализа (рис. 3, 4) можно оценить степень близости отдельных регионов по совокупности показателей научно-технической безопасности, кроме этого, продемонстрирована в графическом виде последовательность объединения регионов в кластеры.

Таким образом, можно констатировать, что расчеты по трем выбранным методикам показали в целом похожие результаты. Тем не менее использование их как по отдельности, так и совместно представляет определенный научный интерес, поскольку каждая из составляющих разработанного инструментария органично дополняют друг друга. Так, методика многокритериального анализа по Парето может применяться при оценке относительного положения рассматриваемых регионов в контексте исследования научно-технической безопасности, расчет интегральных показателей демонстрирует количественный критерий, который характеризует обобщенную ситуацию в регионах, а методы иерархической кластеризации можно задействовать при исследовании взаимных связей между исследуемыми объектами из заданного множества, а также расчете степени их взаимной удаленности.

Заключение

В заключение хочется подчеркнуть важность использования актуального инструментария экономико-математического моделирования в задачах обработки статистических данных. В современных реалиях представляются научно обоснованными и практически значимыми разработка и адаптация инструментов мониторинга социально-экономических систем различной иерархии и оценки их развития с целью совершенствования механизмов управления.

Для решения мониторинговых задач в работе предложен инструментарий, базирующийся на использовании трех различных, но взаимодополняющих методик количественного анализа. Мониторинговые расчеты с использованием показателей научно-технической безопасности регионов ПФО и ЦФО и разнообразных подходов показали в целом похожие результаты. Разработанный инструментарий может быть задействован для комплексной оценки уровня развития социально-экономических систем и направлен на совершенствование процессов обработки и анализа информации в задачах принятия решений.


Источники:

1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. - М.: Финансы и статистика, 1989. – 607 c.
2. Жамбю М. Иерархический кластер-анализ и соответствия. - М.: Финансы и статистика, 1988. – 345 c.
3. Караваева И.В., Иванов Е.А., Лев М.Ю. Паспортизация и оценка показателей состояния экономической безопасности России // Экономика, предпринимательство и право. – 2020. – № 8. – c. 2179-2198. – doi: 10.18334/epp.10.8.110705.
4. Караваева И. В., Лев М.Ю. Итоги проведения V Международной научно-практической конференции «Сенчаговские чтения» «Новые вызовы и угрозы экономике и социуму России» // Экономическая безопасность. – 2021. – № 3. – c. 853-887. – doi: 10.18334/ecsec.4.3.112368.
5. Лапаев Д. Н. Многокритериальное принятие решений в экономике. / монография. - Нижний Новгород: НГТУ им. Р. Е. Алексеева, 2016. – 282 c.
6. Лещенко Ю.Г. Финансовый мониторинг как механизм обеспечения экономической безопасности Российской Федерации // Экономическая безопасность. – 2019. – № 4. – c. 371-384. – doi: 10.18334/ecsec.2.4.110116.
7. Лещенко Ю.Г. Экономическая безопасность России в глобальной динамике интеграции // Экономическая безопасность. – 2021. – № 3. – c. 657-670. – doi: 10.18334/ecsec.4.3.112994.
8. Митяков Е.С. Инновационные преобразования как императив экономической безопасности региона: мониторинг и прогнозирование // Инновации. – 2011. – № 7. – c. 96-100.
9. Митяков Е.С., Митяков С.Н. Адаптивный подход к вычислению обобщенного индекса экономической безопасности // Современные проблемы науки и образования. – 2014. – № 2. – c. 415.
10. Митяков Е.С. Развитие методологии и инструментов мониторинга экономической безопасности регионов России. / автореф. дис. д-ра экон. наук: 08.00.05. - Нижний Новгород, 2019. – 47 c.
11. Наука и инновации. Федеральная служба государственной статистики. [Электронный ресурс]. URL: https://rosstat.gov.ru/folder/14477 (дата обращения: 01.02.2022).
12. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. - М.: ФИЗМАТЛИТ, 2007. – 256 c.
13. Сенчагов В. К. Экономика, финансы, цены: эволюция, трансформация, безопасность. - М.: Анкил, 2010. – 1120 c.
14. Сенчагов В.К., Митяков С. Н. Использование индексного метода для оценки уровня экономической безопасности // Вестник Академии. – 2011. – № 5. – c. 41-50.
15. Karavaeva I. V., Ivanov E. A., Lev M. Yu. Modern trends for assessing the maximum permissible indicators of economic security in Russia // Экономика и управление: проблемы, решения. – 2021. – № 3(111). – p. 36-53. – doi: 10.36871/ek.up.p.r.2021.03.01.004.
16. Ward J.H. Hierarchical grouping to optimize an objective function // J. of the American Statistical Association. – 1963. – p. 236.

Страница обновлена: 14.09.2022 в 14:58:24