Применение методов моделирования как элементов механизма повышения уровня жизни населения с учетом влияния социо-технологических детерминант
Статья в журнале
Экономика, предпринимательство и право (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 15, Номер 1 (Январь 2025)
Введение
В условиях цифрового роста происходит трансформация экономики и социума. Эти изменения существенно влияют на уровень жизни населения отдельных регионов. Один из показателей, характеризующий уровень жизни населения это показатель уровня бедности населения. Дисбаланс происходит в различных уровнях доходах населения и это и влияет на уровень бедности населения как одного из показателей уровня жизни населения.
Возникает необходимость моделировать показатели, влияющие на уровень жизни населения по различным критериям, при этом используя различные группы факторов [1]. В цифровой экономике решающую роль в обеспечении устойчивых темпов экономического роста играет фактор технологий [16]. Это позволит расширить возможности применения различных методов, как составляющих элементов механизма повышения уровня жизни населения с учетом влияния социо- технологических детерминант.
Литературный обзор
Теоретические аспекты уровня жизни изучались в трудах Баландиной С.В., Рябовой С.Г. [1], Бобковым В.Н., Гулюгиной А.А. [6], Малчинова А.Э. [4], Молчанова Н. Н., Хачатуряна Н.С. [5], социо-технологические детерминанты анализировались Симченко Н.А. [16] Смирновой Ю. [17], Абашкиным В.Л., Абдрахмановой Г.И., Вишневского К.О., Гохберга Л.М. [22] и др. Практические аспекты изучения уровня жизни рассматривались по данным Росстата г. Санкт-Петербург за 2015-2023 гг. [2,3,7,8,9,10,11,12,13,14,15,18,19,20,21]
Научный пробел
Отечественными ученными рассматривались различные аспекты уровня жизни населения, уровня бедности, различий в уровне жизни населения.
Тем не менее, не было проведено исследования моделирования и прогнозирования показателей уровня жизни населения: уровня бедности населения с учетом социо-технологических детерминант. Это указывает на насущную актуальность исследования научной проблемы бедности населения регионов России.
Все большую значимость приобретают предложенные научно- практические рекомендации, по применению элементов механизма повышения уровня жизни населения в учетом технологического развития экономики страны и её отдельных регионов.
Целью исследования является моделирование и прогнозирование
показателя уровня бедности населения от уровня влияния социо- технологических детерминант по данным г. Санкт-Петербург..
Научная новизна исследования:
- смоделирован уровень бедности населения с учетом показателей социо-технологических детерминант;
- дан прогноз уровня бедности населения с учетом усредненного показателя социо-технологических детерминант с целью повышения уровня жизни.
Авторская гипотеза
Заключается в обеспечении устойчивого экономического роста в цифровой экономике с учетом важности установления социально-технологических ориентиров [16], c использованием методов, как элементов механизма повышения уровня жизни населения с учетом влияния социо- технологических детерминант.
Методология
В исследовании использованы следующие методы, такие как: статистический, экономико-математический, экономический анализ, экстраполяция тренда.
Обоснованы показатели уровня бедности, с применением моделирования трендовых моделей уровня бедности на последующие годы. Определение усредненного показателя социо-технологических факторов с использованием статистического метода.
Основная часть
Устойчивость экономического роста в цифровой экономике обеспечивается на основе внедрения и поддержания высокого уровня технологизации развития [4]. Город Санкт-Петербург является одним из регионов-лидеров в цифровой трансформации. Цифровые технологии и искусственный интеллект применяются во многих сферах жизнедеятельности города» [17].
Расчет показателя социо-технологических детерминант представлен усредненное значение показателя в таблице 1 и на рисунке 1.
Таблица 1 – Среднее значения показателя социо-технологических детерминант г. Санкт-Петербург за 2015-2023 гг., %
Показатели
|
годы
| ||||||||
2015
|
2016
|
2017
|
2018
|
2019
|
2020
|
2021
|
2022
|
2023
| |
Среднее значения
социо-технологических детерминант, %
|
74,41
|
75,86
|
76,74
|
75,72
|
73,88
|
67,72
|
66,74
|
66,91
|
72,4
|
Рисунок 1 – Среднее значения показателя социо-технологических детерминант (по данным г. Санкт-Петербург) за 2015-2023гг., %
Источник: собственные расчета автора
Как видно, по расчетным данным происходит планомерный рост показателя за 9 лет исследования с 2015 по 2023 гг.
Основные показатели уровня жизни в динамике представлены в таблице 2.
Таблица 2 – Основные показатели уровня жизни города Санкт-Петербург за 2015-2023 гг., %
Показатели
|
годы
| ||||||||
2015
|
2016
|
2017
|
2018
|
2019
|
2020
|
2021
|
2022
|
2023
| |
Уровень
бедности, в процентах от общей численности населения
|
8,7
|
8,5
|
7,5
|
6,70
|
6,60
|
6,10
|
5,70
|
4,80
|
4,50
|
Реальные
денежные доходы, в % к предыдущему году
|
97
|
100,4
|
103,1
|
104,2
|
101,1
|
100,8
|
109,8
|
100,5
|
104,3
|
Следует отметить последовательное наращивание реальных доходов населения (табл. 2). Достигнутая динамика даже с учетом воздействия негативных факторов позволяет хоть и незначительно, но повышать уровень жизни населения [5].
Из ряда показателей уровня жизни населения, выбран один показатель для построения модели, влияния которого существенно к показателям социо-технологических детерминант, то есть коэффициент корреляции которого, приближен к 1, это показатель:
- уровень бедности, в % от общей численности населения.
Оценить уровень бедности населения в условиях цифровизации возможно путем применения нелинейной регрессии, используется методы нелинейной полиномиальной регрессии.
Расчеты нелинейной модели приведены в таблицах 1.
Выходные значения определителей системы уравнений на рисунке 2.
Таблица 1 – Исходные данные для построения нелинейной модели зависимости уровня бедности от уровня влияния социо-технологических факторов
Годы
|
Уро-вень бедности, % (У)
|
Уровень
влиянием социо-технологи-ческих факторов,% (Х)
|
x2
|
x3
|
x4
|
x5
|
x6
|
y*x
|
y*x2
|
y*x3
|
Y`
|
2015
|
8,70
|
74,41
|
5536,85
|
411996,87
|
30656686,88
|
2281164070,92
|
169741418517,52
|
647,37
|
48170,58
|
3584372,74
|
7,10
|
2016
|
8,50
|
75,86
|
5754,74
|
436554,55
|
33117027,86
|
2512257733,75
|
190579871682,16
|
644,81
|
48915,29
|
3710713,64
|
7,72
|
2017
|
7,50
|
76,73
|
5887,49
|
451747,33
|
34662572,65
|
2659659199,25
|
204075650358,19
|
575,48
|
44156,20
|
3388104,98
|
7,81
|
2018
|
6,70
|
75,72
|
5733,52
|
434142,01
|
32873233,24
|
2489161221,17
|
188479287667,03
|
507,32
|
38414,57
|
2908751,49
|
7,68
|
2019
|
6,60
|
73,88
|
5458,25
|
403255,84
|
29792541,10
|
2201072936,11
|
162615268519,62
|
487,61
|
36024,48
|
2661488,51
|
6,78
|
2020
|
6,10
|
67,72
|
4586,00
|
310563,81
|
21031381,32
|
1424245143,32
|
96449881105,33
|
413,09
|
27974,59
|
1894439,25
|
4,87
|
2021
|
5,70
|
66,74
|
4454,23
|
297275,15
|
19840143,51
|
1324131178,03
|
88372514821,79
|
380,42
|
25389,10
|
1694468,36
|
5,77
|
2022
|
4,80
|
66,91
|
4476,95
|
299552,60
|
20043064,29
|
1341081431,65
|
89731758591,71
|
321,17
|
21489,35
|
1437852,47
|
5,58
|
2023
|
4,50
|
72,40
|
5241,76
|
379503,42
|
27476047,90
|
1989265867,79
|
144022848827,72
|
325,80
|
23587,92
|
1707765,41
|
5,79
|
Итого:
|
59,1
|
650,37
|
47129,8
|
3424591,57
|
249492698,7
|
18222038781,98
|
1334068500091,1
|
4303,06
|
314122,07
|
22987956,84
|
59,1
|
Источник: рассчитано автором по данным [2,3,7,8,9,10,11,12,14,15,18,19,20,21,22]
Полином третьей степени представлен формулой 1:
- полиномы третьей степени у(x) = a0 + a1x + a2x2 +a3x3; (1)
Решение этой системы уравнений производится с помощью метода Крамера, где : – определитель системы уравнений, – частные определители параметров.
Определители параметров необходимо рассчитывать с помощью функции «МОПРЕД» категории «Математические» Мастера функций.
1 матрица
|
9
|
650,37
|
47129,7875
|
3424591,575
|
D=
|
1784309829
|
a0
|
6403,95
| |||
650,37
|
47129,7875
|
3424591,575
|
249492698,8
|
a1
|
-264,71
| ||||||
47129,7875
|
3424591,575
|
249492698,8
|
18222038782
|
a2
|
3,64
| ||||||
3424591,575
|
249492698,8
|
18222038782
|
1,33407E+12
|
a3
|
-0,017
| ||||||
2 матрица
|
59,1
|
650,37
|
47129,7875
|
3424591,575
|
Da0=
|
1,14266E+13
| |||||
4303,062
|
47129,7875
|
3424591,575
|
249492698,8
| ||||||||
314122,0726
|
3424591,575
|
249492698,8
|
18222038782
| ||||||||
22987956,84
|
249492698,8
|
18222038782
|
1,33407E+12
| ||||||||
3 матрица
|
9
|
59,1
|
47129,7875
|
3424591,575
|
Da1=
|
-4,72319E+11
| |||||
650,37
|
4303,062
|
3424591,575
|
249492698,8
| ||||||||
47129,7875
|
314122,0726
|
249492698,8
|
18222038782
| ||||||||
3424591,575
|
22987956,84
|
18222038782
|
1,33407E+12
| ||||||||
4 матрица
|
9
|
650,37
|
59,1
|
3424591,575
|
Da2=
|
6497031612
| |||||
650,37
|
47129,7875
|
4303,062
|
249492698,8
| ||||||||
47129,7875
|
3424591,575
|
314122,0726
|
18222038782
| ||||||||
3424591,575
|
249492698,8
|
22987956,84
|
1,33407E+12
| ||||||||
5 матрица
|
9
|
650,37
|
47129,7875
|
59,1
|
Da3=
|
-29713281,0
| |||||
650,37
|
47129,7875
|
3424591,575
|
4303,062
| ||||||||
47129,7875
|
3424591,575
|
249492698,8
|
314122,0726
| ||||||||
3424591,575
|
249492698,8
|
18222038782
|
22987956,84
| ||||||||
Источник: рассчитано автором
Таблица 3.3–Моделируемые значения уровня бедности от уровня влияния социо-технологических факторов города Санкт-Петербург, %
Показатели
|
Уровень бедности, %
|
Уровень влияния социо-технологических факторов,%
|
Моделируемое значение уровня бедности, %
|
Годы
|
У
|
Х
|
Y`
|
2015
|
8,70
|
74,41
|
7,10
|
2016
|
8,50
|
75,86
|
7,72
|
2017
|
7,50
|
76,73
|
7,81
|
2018
|
6,70
|
75,72
|
7,68
|
2019
|
6,60
|
73,88
|
6,78
|
2020
|
6,10
|
67,72
|
4,87
|
2021
|
5,70
|
66,74
|
5,77
|
2022
|
4,80
|
66,91
|
5,58
|
2023
|
4,50
|
72,40
|
5,79
|
Итого:
|
59,10
|
650,37
|
59,10
|
Подставив значения матрицы в систему уравнений нелинейной модели формула 2 получим значения определителей полиномиальной модели:
|
|
(2)
|
| ||
3424591,57+ 249492698,76+ 18222038781,98=314122,0726
1334068500091,1=22987956,8 |
Благодаря полученной модели, используя линию тренда, возможно, спрогнозировать значения уровня бедности на последующие годы, сделав прогноз. Для расчета прогнозных показателей на основе показателей прошедших периодов использован графический метод
На рисунке 3 показан тренд зависимости уровня бедности населения г.Санкт-Петербург от уровня влияния социо-технологических факторов.
Рисунок 3 – Зависимость уровня бедности населения г. Санкт-Петербург от уровня влияния социо-технологических факторов ( по данным г. Санкт-Петербург),%
Источник: рассчитано автором
Расчет точечного прогноза с учетом функции MS Excel ПРЕДСКАЗ из категории «Статистические», подобраны правильные аргументы функции, как показано в таблице 4 и на рисунке 4.
Таблица 4 – Прогнозирование уровня бедности от уровня влияния социо-технологических факторов г. Санкт-Петербург на 2024-2026 гг., %
Годы
|
Моделируемое значение прогноза уровня бедности, %
|
2015
|
7,10
|
2016
|
7,72
|
2017
|
7,81
|
2018
|
7,68
|
2019
|
6,78
|
2020
|
4,87
|
2021
|
5,77
|
2022
|
5,58
|
2023
|
5,79
|
2024
|
5,02
|
2025
|
4,71
|
2026
|
4,40
|
Рисунок 4 – Прогноз уровня бедности населения г. Санкт-Петербург от уровня влияния социо-технологических факторов ( по данным г. Санкт-Петербург),%
Источник: рассчитано автором
Графический результат прогнозирования полиномиальной модели показывает снижение уровня бедности от уровня влияния социо-технологических факторов на 2026 год до 4,4 %
Таблица 5 – Прогнозирование показателя уровня бедности населения от уровня влияния социо-технологических факторов города Санкт-Петербург на 2026 год
Показатели
|
Единица
измерения
|
Фактическое
значение 2023г.
|
Прогнозные
значения на 2026 г.
|
1.
Уровень бедности
|
%
|
4,5
|
4,4
|
Такой показатель как «уровень бедности» упадет на 0,1% к 2026 году.
Заключение
Научные рекомендации и практические рекомендации могут быть использованы для более широко применения методов определения показателей уровня жизни населения с учетом социо-технологических детерминант в рамках разработки механизма повышения уровня жизни населения.
Обоснована неразрывность технологических и социальных детерминант на устойчивый уровень жизни населения в условиях цифровизации.
В результате анализа показателей уровня жизни населения отмечено, что уровень бедности населения играет важную роль в уровне жизни населения. Показатель уровень бедности исследовался за период с 2015 по 2023 гг. по данным г. Санкт-Петербург.
Результаты расчетов позволят определить прогноз одного из показателей уровня жизни населения, как уровень бедности населения с учетом социо-технологические детерминант, в рамках использования элементов механизма повышения уровня жизни населения г. Санкт-Петербург.
Прогнозирования одного из показателей уровня жизни оказывает влияние на регулирования элементов механизма повышения уровня жизни населения с учетом социо-технологических детерминант. Все это обеспечит снижения уровня бедности населения с использованием методов, как элементов механизма повышения уровня жизни населения в социально- технологической среде.
Страница обновлена: 31.10.2024 в 11:36:17