Прогнозирование пространственных эффектов и факторов развития региона с использованием методов машинного обучения
- Авторы: Михайлова С.С.1, Гринева Н.В.1, Кораблев Ю.А.1, Бачаев У.А.1
 - 
							Учреждения: 
							
- Финансовый университет при Правительстве Российской Федерации
 
 - Выпуск: Том 12, № 3 (2025)
 - Страницы: 23-30
 - Раздел: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕ
 - URL: https://journals.eco-vector.com/2313-223X/article/view/695615
 - DOI: https://doi.org/10.33693/2313-223X-2025-12-3-23-30
 - EDN: https://elibrary.ru/AORZVF
 - ID: 695615
 
Цитировать
Полный текст
Аннотация
При моделировании пространственного развития территории с учетом пространственных эффектов важно иметь в виду, что на текущее развитие территории влияют не только внутренние показатели (экономические, социальные, демографические, инфраструктурные и т.д.), но и процессы, происходящие в соседних районах. При моделировании пространственного развития Российской Федерации необходимо учитывать пространственную неоднородность, большие расстояния, транспортные коридоры и природно-климатические условия. Учет этих сложных составляющих включает в себя моделирование межрегионального и внутри регионального взаимодействия. Целью исследования является оценка влияния социально-экономических факторов на валовой региональный продукт (ВРП) с учетом пространственной взаимосвязи между федеральными округами и временной динамики. Для достижения цели в работе решались следующие задачи: 1) проведен всесторонний анализ подходов к моделированию пространственного развития регионов; 2) разработана адаптированная методология пространственного анализа, включающая: комплексную систему показателей социально-экономического развития, учитывающую специфику сибирских регионов, типологию пространственных эконометрических моделей. Материалы и методы. При моделировании применялся аппарат эконометрического пространственного моделирования. Выводы. Пространственные эконометрические модели обеспечивают более точное описание социально-экономических процессов в федеральных округах по сравнению с традиционными подходами, не учитывающими пространственную структуру данных.
Полный текст
Об авторах
Светлана Сергеевна Михайлова
Финансовый университет при Правительстве Российской Федерации
							Автор, ответственный за переписку.
							Email: ssmihajlova@fa.ru
				                	ORCID iD: 0000-0001-9183-8519
				                																			                								
доктор экономических наук, доцент, ведущий научный сотрудник, Институт цифровых технологий, факультет информационных технологий и анализа больших данных
Россия, г. МоскваНаталья Владимировна Гринева
Финансовый университет при Правительстве Российской Федерации
														Email: ngrineva@fa.ru
				                	ORCID iD: 0000-0001-7647-5967
				                																			                								
кандидат экономических наук, доцент, доцент кафедры информационных технологий, Институт цифровых технологий, научный сотрудник
Россия, г. МоскваЮрий Александрович Кораблев
Финансовый университет при Правительстве Российской Федерации
														Email: YuAKorablev@fa.ru
				                	ORCID iD: 0000-0001-5752-4866
				                	SPIN-код: 3594-3504
																		                								
кандидат экономических наук, доцент, научный сотрудник, Институт цифровых технологий, доцент кафедры бизнес-информатики, факультет информационных технологий и анализа больших данных
Россия, г. МоскваУмар Аптиевич Бачаев
Финансовый университет при Правительстве Российской Федерации
														Email: UABachaev@fa.ru
				                	ORCID iD: 0000-0003-4109-8596
				                	SPIN-код: 8029-6668
																		                								
аспирант, стажер-исследователь, Институт цифровых технологий
Россия, г. МоскваСписок литературы
- Baltagi B.H. Econometric analysis of panel data. 3rd ed. Chichester: John Wiley & Sons, 2005. 401 p. ISBN: 978-0470844940.
 - Wooldridge J.M. Econometric analysis of cross section and panel data. 2nd ed. Cambridge, MA: MIT Press, 2010. 1064 p. ISBN: 978-0262232586.
 - Elhorst J.P. Specification and estimation of spatial panel data models. International Regional Science Review. 2003. Vol. 26. No. 3. Pp. 244–268.
 - Elhorst J.P. Spatial panel data models. In: Handbook of applied spatial analysis. Berlin; Heidelberg: Springer, 2010. Pp. 377–407.
 - Lee L.F., Yu J. QML estimation of spatial dynamic panel data models with time varying spatial weights matrices. Spatial Economic Analysis. 2012. Vol. 7. No. 1. Pp. 31–74.
 - Lee L.F., Yu J. Spatial panels: Random components versus fixed effects. International Economic Review. 2012. Vol. 53. No. 4. Pp. 1361–1387.
 - Kuersteiner G.M., Prucha I.R. Dynamic spatial panel models: networks, common shocks, and sequential exogeneity. Econometrica. 2020. Vol. 88. No. 5. Pp. 2109–2146.
 - Gao Z., Ma Y., Wang H., Yao Q. Banded spatio-temporal autoregressions. arXiv preprint. 2018. arXiv:1812.09264.
 - Yan Y., Huang H.-C., Genton M. G. Vector autoregressive models with spatially structured coefficients for time series on a spatial grid. arXiv preprint. 2020. arXiv:2001.00565.
 - Glass A., Kenjegalieva K., Sickles R.C. A spatial autoregressive stochastic frontier model for panel data with asymmetric efficiency spillovers. Journal of Econometrics. 2015. Vol. 190. No. 2. Pp. 289–300.
 
Дополнительные файлы
				
			
						
					
						
						
						
									


