Анализ динамики социально-экономического развития Сибирского федерального округа на основе пространственных данных


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Традиционные подходы к экономическому моделированию часто игнорируют пространственную структуру данных, что приводит к искаженным результатам при наличии пространственных зависимостей. Размах различий в уровне валового регионального продукта на душу населения между регионами Сибирского федерального округа (СФО) достигает 10–15 раз, что превышает аналогичные показатели большинства развитых стран. Анализ показал, что внешние шоки способны кардинально изменить структуру региональных диспропорций, приводя к неожиданным эффектам конвергенции или дивергенции. Целью исследования является анализ ключевых показателей пространственного развития СФО на основе комплексного анализа. В рамках работы решались задачи: проведен системный анализ теоретических подходов к моделированию пространственного развития региональных экономических систем; на основе рассчитанных индексов Морана выполнен анализ пространственной автокорреляции; исследована динамика региональной дифференциации в условиях внешних экономических шоков (пандемия, санкции). Методологическую основу исследования составляют принципы системного анализа, теория пространственной экономики, концепции новой экономической географии. В работе применялись методы пространственной эконометрики статистические методы обработки панельных данных. Научная новизна исследования заключается в выявлении и теоретическом обосновании феномена «кризисной конвергенции» в региональном развитии, когда внешние шоки приводят к сглаживанию региональных различий и установлении факта доминирования внешних шоков над внутренними факторами пространственного развития в современных условиях. Практическая значимость полученных результатов определяется возможностью использования полученных результатов органами государственной власти федерального и регионального уровней для формирования стратегий пространственного развития, повышения эффективности региональной политики, а также прогнозирования социально-экономических процессов в условиях внешних вызовов.

Полный текст

Доступ закрыт

Об авторах

Наталья Владимировна Гринева

Финансовый университет при Правительстве Российской Федерации

Автор, ответственный за переписку.
Email: ngrineva@fa.ru
ORCID iD: 0000-0001-7647-5967
SPIN-код: 1140-9636
Scopus Author ID: 303847

кандидат экономических наук, доцент, доцент кафедры информационных технологий

Россия, г. Москва

Список литературы

  1. Бияков, О. А. (2019). Пространственная автокорреляция и дифференциация экономического развития регионов России. Вестник НГУ. Серия: Социально-экономические науки, 19(1), 29–43.
  2. Демьяненко, А. Н. (2017). Пространственная экономика: эволюция подходов и методология. Пространственная экономика, 4, 21–44.
  3. Концевая, Н. В. Гринева Н. В., Михайлова С. С. Системный подход к классификации данных в задачах математического моделирования пространственного развития РФ // Инновации и инвестиции. —2025. —№ 2. —С. 525–529. —EDN ERTXZK.
  4. Концевая Н. В., Гринева Н. В., Михайлова С. С., Баснукаев Р. М. Демографические процессы в России: сравнительный анализ прогнозных моделей / // Проблемы экономики и юридической практики. —2025. —Т. 21, № 1. —С. 195–211. —doi: 10.33693/2541-8025-2025-21-1-195-211. —EDN FLJBZJ.
  5. Попова, П. А., Букина, Т. В., Кашин, Д. В. (2024). Влияние межрегиональных пространственных эффектов на экономическое развитие регионов России. Journal of Applied Economic Research, 23(3), 751–775.
  6. Регионы России. Социально-экономические показатели. (2024). Стат. сб. / Росстат. М., 1081 с.
  7. Стратегия пространственного развития Российской Федерации на период до 2025 года. (2024). Утверждена распоряжением Правительства РФ от 13.02.2024 № 207р.
  8. Anselin, L. (1995). Local Indicators of Spatial Association—LISA. Geographical Analysis, 27(2), 93–115.
  9. Batty, M. (2005). Cities and complexity: understanding cities with cellular automata, agent-based models, and fractals. Cambridge, MA: MIT Press.
  10. Doreian, P. (1980). Linear models with spatially distributed data: Spatial disturbances or spatial effects? Sociological Methods & Research, 9(1), 29–60.
  11. Fujita, M., Thisse, J. F. (2002). Economics of Agglomeration: Cities, Industrial Location, and Regional Growth. Cambridge: Cambridge University Press.
  12. Kelejian, H. H., Prucha, I. R. (2010). Specification and estimation of spatial autoregressive models with autoregressive and heteroskedastic disturbances. Journal of Econometrics, 157(1), 53–67.
  13. Krugman, P. (1991). Increasing returns and economic geography. Journal of Political Economy, 99(3), 483–499.
  14. Lösch, A. (1940). Die räumliche Ordnung der Wirtschaft. Jena: Gustav Fischer.
  15. Moran, P. A. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1/2), 17–23.
  16. Openshaw, S. (1984). The modifiable areal unit problem. Norwich: Geo Books.
  17. Porter, M. E. (1990). The competitive advantage of nations. New York: Free Press.
  18. Rodrigue, J. P., Comtois, C., Slack, B. (2017). The geography of transport systems. 4th edition. New York: Routledge.
  19. Tobler, W. R. (1970). A computer movie simulating urban growth in the Detroit region. Economic geography, 46(sup1), 234–240.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Расположение регионов СФО.

Скачать (334KB)
3. Рис. 2. Глобальный индекс Морана по параметру темпа роста ВРП.

Скачать (74KB)
4. Рис. 3. Глобальный индекс Морана по параметру индекса потребительских цен.

Скачать (81KB)
5. Рис. 4. Глобальный индекс Морана по параметру валовой добавленной стоимости.

Скачать (41KB)

© Юр-ВАК, 2025

Ссылка на описание лицензии: https://www.urvak.ru/contacts/