Journal of Economics, Entrepreneurship and Law Journal of Economics, Entrepreneurship and Law Экономика, предпринимательство и право 2222-534X BIBLIO-GLOBUS Publishing House 126751 10.18334/epp.16.10.126751 YDAIBC Articles Статьи Research Article A comprehensive econometric approach to assessing the regional economic security (the case of the Republic of Mari El) Комплексный эконометрический подход к оценке экономической безопасности региона (на примере республики Марий Эл)

31 10 2026 16 10 VOL 16, NO10 (2026) ТОМ 16, №10 (2026) 20 08 2026 25 09 2026 Copyright ©; 2026, Grigoryeva S.V., Pozdeev V.L. Copyright ©; 2026, Григорьева С.В., Поздеев В.Л. 2026 Grigoryeva S.V., Pozdeev V.L. Григорьева С.В., Поздеев В.Л. https://1economic.ru/lib/126751

The regional economic security of during the period of structural changes requires not only monitoring individual indicators but also the use of formalized forecasting tools that can take into account dynamics and nonlinear dependencies. The article uses data from the Republic of Mari El for 2019-2025 to test a set of econometric methods: correlation analysis, multiple linear regression, power-law specification, distributed lag model, principal component method and Hansen threshold regression. The main factor related to the size of the gross regional product per capita turned out to be the unemployment rate. Its impact is non-linear, and the threshold value is 1.11%. After overcoming this level, the composition of significant growth drivers changes: the role of updating fixed assets increases, the return on innovation activity decreases, and an increase in government debt begins to restrain economic growth. The model with a distributed lag showed the highest predictive qualities. Based on this model, three scenarios for the GRP per capita change for 2026-2028 are calculated. The proposed integrated econometric approach can be applied in monitoring the regional economic security.

Экономическая безопасность регионов в период структурных изменений требует не только наблюдения за отдельными показателями, но и использования формализованных инструментов прогноза, способных учитывать динамику и нелинейные зависимости. В статье на данных Республики Марий Эл за 2019-2025 гг. апробирован комплекс эконометрических методов: корреляционный анализ, множественная линейная регрессия, степенная спецификация, модель с распределённым лагом, метод главных компонент и пороговая регрессия Хансена. Основным фактором, связанным с величиной валового регионального продукта на душу населения, оказался уровень безработицы; его влияние носит нелинейный характер, а пороговое значение составляет 1,11%. После преодоления этого уровня меняется состав значимых драйверов роста: возрастает роль обновления основных фондов, снижается отдача от инновационной активности, а увеличение государственного долга начинает сдерживать экономический рост. Наиболее высокие прогностические качества показала модель с распределённым лагом. На основе этой модели рассчитаны три сценария на 2026-2028 гг изменения ВРП на душу населения. Предложенный комплексный эконометрический подход может применяться при мониторинге экономической безопасности региона

 regional economic security gross regional product per capita econometric modeling principal component method threshold regression scenario forecasting экономическая безопасность региона валовой региональный продукт на душу населения эконометрическое моделирование метод главных компонент пороговая регрессия сценарное прогнозирование 1. Абалкин Л.И. Экономическая безопасность России: угрозы и их отражение // Вопросы экономики. – 1994. – № 12. – c. 4-16. 2. Акбердина В. В., Смирнова О. П. Экономическая безопасность региона: оценка и перспективы // Региональная экономика: теория и практика. – 2018. – № 8. – c. 1506–1517. 3. Амиралиева Д. М., Алибеков М. М. Методы и модели оценки экономической безопасности региона: региональный аспект устойчивого развития // Journal of Monetary Economics. – 2025. – № 2. – c. 190-197. – doi: 10.26118/2782-4586.2025.78.68.083. 4. Брянцев Д., Ильясова Р. Выявление и анализ взаимосвязи между экономической безопасностью и эффективностью внешнеэкономической деятельности Астраханской области // Вестник Астраханского государственного технического университета. Серия: Экономика. – 2019. – № 4. – c. 49-58. – doi: 10.24143/2073-5537-2019-4-49-58. 5. Васкевич Т.В., Литвинова Т.И., Рябчикова Ю.О. Моделирование агрегированного индикатора уровня экономической безопасности региона сквозь призму ключевых детерминантов // Вестник университета. – 2025. – № 8. – c. 79-91. – doi: 10.26425/1816-4277-2025-8-79-91. 6. Канева М. А., Унтура Г. А. Зависимость темпов регионального роста от расходов на здравоохранение: оценка методом пороговой регрессии // Региональная экономика: теория и практика. – 2022. – № 2. – c. 355-381. – doi: 10.24891/re.20.2.355. 7. Каранина Е. В., Евстратова А. В. Экспресс-диагностика уровня экономической безопасности региона // Экономика и управление: проблемы, решения. – 2015. – № 12. – c. 146–153. 8. Кариева Э.М., Емельянов А.М., Троценко В.М. Оценка уровня жизни населения региона в контексте обеспечения его экономической безопасности (на материалах Пермского края) // Креативная экономика. – 2024. – № 9. – c. 2395-2416. – doi: 10.18334/ce.18.9.121619. 9. Климук В.В. , Климук Е.В. Комплекс эконометрических инструментов в оценке регионального развития // Инновационная экономика: информация, аналитика, прогнозы. – 2016. – № 2. – c. 55-58. 10. Колмаков И. Б. Анализ чувствительности регрессионных моделей к объему временной выборки в задачах прогнозирования ВРП // Региональная экономика: теория и практика. – 2022. – № 4. – c. 620–635. – doi: 10.24891/re.20.4.620. 11. Кораблева А. А., Карпов В. В. Индикаторы экономической безопасности региона // Вестник Сибирского института бизнеса и информационных технологий. – 2017. – № 3. – c. 36–42. 12. Кулагина Н.А., Васильев А.А. Сравнительный анализ методических подходов к оценке экономической безопасности регионов // Региональная и отраслевая экономика. – 2025. – № 1. – c. 111–120. 13. Найден С.Н., Прокапало О.М., Украинский В.Н. Методические подходы к анализу региональной социально-экономической динамики: современный опыт эмпирических исследований // Регионалистика. – 2025. – № 3. – c. 69-88. – doi: Org/10.14530/reg.2025.3.69. 14. Примакин А.И., Большакова Л.В. Метод экспертных оценок в решении задачи обеспечения экономической безопасности хозяйствующего субъекта // Вестник Санкт-Петербургского университета МВД России. – 2012. – № 1. – c. 191-200. 15. Поздеев В.Л., Григорьева С.В. Методический подход к оценке устойчивости и экономической безопасности предприятия // Экономический анализ: теория и практика. – 2024. – № 2. – c. 358-377. – doi: 10.24891/ea.23.2.358. 16. Пономарев Ю. Ю. Проблемы оценки параметров пространственно-эконометрических моделей на коротких панельных данных регионов // Экономика и математические методы. – 2019. – № 2. – c. 89-97. – doi: 10.31857/S042473880004945-5. 17. Республика Марий Эл в цифрах: краткий статистический сборник» / Территориальный орган Федеральной службы государственной статистики по Республике Марий Эл (Маристат). – Йошкар-Ола, 2020. – 467 с. 18. Республика Марий Эл в цифрах: краткий статистический сборник» / Территориальный орган Федеральной службы государственной статистики по Республике Марий Эл (Маристат). – Йошкар-Ола, 2024. – 360 с. 19. Сенчагов В.К. Экономическая безопасность России. - М.: Дело, 2005. – 896 c. 20. Смирнова О. О., Широкова Е. Ю. Эконометрическое моделирование инвестиционной привлекательности регионов ЦФО в условиях малой выборки // Вестник РЭУ им. Г. В. Плеханова. – 2020. – № 6. – c. 112-123. – doi: 10.21686/2413-2829-2020-6-112-123. 21. Татаркин А. И., Куклин А. А. Изменение парадигмы исследований экономической безопасности региона // Экономика региона. – 2012. – № 2. – c. 25–39. 22. Цветков В. А., Дудин М. Н., Лясников Н. В. Аналитические подходы и методы оценки экономической безопасности региона // Экономика региона. – 2019. – № 1. – c. 1-12. 23. Baltagi, B. H. (2021). Econometric Analysis of Panel Data (6th ed.). Springer. https://doi.org/10.1007/978-3-030-53953-5 URL: https://doi.org/. 24. Drukker D. M. Testing for multicollinearity in regression models with small samples // The Stata Journal. – 2018. – № 3. – p. 669-686. – doi: 10.1177/1536867X1801800310. 25. Kiviet J. F. Microeconometric dynamic panel data models: A guide to the choice of techniques // Journal of Econometrics. – 2019. – № 2. – p. 310-329. – doi: 10.1016/j.jeconom.2018.04.001. 26. Kravchenko V., Kudryavtseva T., Kuporov Y. A Method for Assessing Threats to the Economic Security of a Region: A Case Study of Public Procurement in Russia // Risks. – 2021. – № 1. – p. 1-10. – doi: 10.3390/risks9010010. 27. Kotlyarova S., Mariev O., Matushkina N. Влияние миграционной активности на развитие жилищного строительства в регионах России // Economy of Region. – 2025. – № 4. – c. 1061-1078. – doi: 10.17059/ekon.reg.2025-4-1. 28. Matevosova A.M. The Impact of the Regional Public Debt Level on Regional Economic Growth Rates in Russia // Finansovyj žhurnal – Financial Journal. – 2024. – № 4. – p. 61-81. – doi: 10.31107/2075-1990-2024-4-61-81. 29. Ovcharenko O. Economic security of regions: A methodological approach to assessment, management, and legal regulation // REGION. Vienna, Austria. – 2022. – № 9. – p. 83-100. – doi: 10.18335/region.v9i1.375. 30. Sharma N., Khanna S., Srivastava A. Threshold Impacts of Public Expenditure on Economic Growth: Insights from India Utilizing Panel Threshold Regression Model // Asian Journal of Applied Economics. – 2024. – № 1. – p. 1-22. – doi: 10.1108/AJAE-05-2023-0155. 31. Tang Zh., Solovieva Yu. V. Empirical Analysis and Research of Low-Carbon Economy Development Trends in China, Japan and South Korea // Russian and Chinese Studies. – 2024. – № 1. – p. 37-45. – doi: 10.17150/2587-7445.2024.8(1).37-45.