Применение методов моделирования как элементов механизма повышения уровня жизни населения с учетом влияния социо-технологических детерминант

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

Источник: составлено автором по данным: [2,3,7,8,9,10,11,12,14,15,18,19,20,21,22]

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

Источник: составлено автором по данным: [2,3,7,8,9,10,11,12,14,15,18,19,20,21,22]

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

Рисунок 2 –Матрица нелинейной модели зависимости уровня бедности и уровня влияния социо-технологических факторов, расчет определителей нелинейной модели

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

Источник: рассчитано автором

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

Источник: рассчитано автором

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

Источник: рассчитано автором

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.