Прогнозирование направлений государственной политики региона на основе кластерного анализа показателей социально-экономического развития его муниципальных образований

   Оценка перспектив развития региона является важной задачей как для экономической науки, так и для органов государственной власти.

   Целью данной статьи является разработка алгоритма оценки перспектив развития региона, который бы позволял выявить наиболее проблемные зоны и конкурентные преимущества территориального развития с целью определения наиболее важных направлений бюджетных расходов в разрезе муниципальных образований региона.

   В исследовании используются концепция устойчивого развития и теория кластеров как методологический базис. В качестве методов исследования использовался кластерный анализ методом Варда и k-средних. В качестве метода прогнозирования использовался наиболее эффективный среди методов: наименьших квадратов, экспоненциального сглаживания, скользящего среднего за 3 и 5 лет. Отдельно для прогнозирования численности населения использовался демографический прогноз для каждого муниципального образования в отдельности. В результате проведенного исследования установлены дифференцированные по уровню развития группы муниципальных образований региона, для которых сформулированы основные проблемные зоны, на нивелирование которых должна быть обращена государственная политика региона. Преимущество предлагаемого подхода заключается в том, что он идентифицирует и прогнозирует проблемы социально-экономического развития региона, которые могут быть скрыты в среднесрочном прогнозе социально-экономического развития региона. В настоящем исследовании такие проблемы были идентифицированы во многих муниципальных образованиях Ленинградской области в сфере жилищного строительства, демографии и экономики. Статья может быть полезна органам государственной власти при формировании стратегии социально-экономического развития.

1. Агоева З. И. Прогнозирование социально-экономического развития региона // Теоретические и прикладные аспекты современной науки. 2014. № 5–5. С. 7–17.

2. Ванюшина О. И., Минат В. Н. Анализ и прогнозирование социально-экономического развития муниципальных образований региона // Вестник сельского развития и социальной политики. 2018. № 2 (18). С. 2–9.

3. Вечтомова А. Ю. Методы прогнозирования социально-экономического развития в системе управления регионом // Материалы II Международной научно-практической конференции в 2-х частях. Потенциал социально-экономического развития Российской Федерации в новых экономических условиях. М. : Московский университет им. С. Ю. Витте, 2016. С. 95–101.

4. Гафарова Е. А., Лакман И. А. Экономическое моделирование развития муниципальных образований региона с учетом их неоднородности (на примере Республики Башкортостан) // Вопросы статистики. 2007. № 4. С. 54–63.

5. Гимадрисламова Р. М., Хазиева Э. Р. Метод кластеризации: социально-экономическое положение муниципальных районов Республики Башкортостан // Психология, социология и педагогика. 2016. № 2 [Электронный ресурс]. URL: https://psychology.snauka.ru/2016/02/6366 (дата обращения: 13. 02. 2023).

6. Графов А. В., Моисеев А. Д., Графова Г. Ф., Шахватова С. А. О критериях и показателях оценки экономического развития региона // Фундаментальные исследования. 2015. № 7. С. 376–381.

7. Гусейнов А. Г., Гаджиев А. З. Проблемы формирования региональных кластерных систем // Фундаментальные исследования. 2016. № 3–2. С. 360–367.

8. Комаров С. И., Антропов Д. В. Методы кластерного зонирования территории региона для целей управления земельными ресурсами // Вестник УрФУ. Сер. Экономика и управление. 2017. Т. 16. № 1. С. 66–85.

9. Криворотов В. В., Калинин А. В., Савельева А. И., Байраншин А. Ю. Прогнозирование развития региональных производственных комплексов // Вестник УрФУ. Сер. Экономика и управление. 2011. № 4. С. 99–111.

10. Кузнецова О. В., Бабкин Р. А. Типология муниципальных образований для мониторинга их социально-экономического развития // Федерализм. 2021. Т. 26. № 4 (104). С. 35–53. doi: 10.21686/2073-1051-2021-4-35-53.

11. Марченко О. В., Бурдакова Г. И. Сравнительный анализ методов прогнозирования социально-экономического развития муниципальных образований // Ученые записки Комсомольского-на-Амуре государственного технического университета. 2018. № 4–2 (36). С. 98–103.

12. Михеева Н. Н. Сценарный подход к оценке перспектив развития российских регионов // Мир новой экономики. 2022. Том 16 № 1. С. 81–91.

13. Мясникова Т. А. Кластеризация социально-экономического пространства Краснодарского края — динамика посткризисного периода // Вестник ВГУ. 2015. № 2. С. 83–91.

14. Нестерова С. И. Типологизация муниципальных образований Самарской области (на основе иерархического кластерного анализа) // Вестник Самарского муниципального института управления. 2020. № 2. С. 28–36.

15. Петрыкина И. Н., Солосина М. И., Щепина И. Н. Применение кластерного анализа для типологизации муниципальных образований // Вестник ВГУ. Сер. Экономика и управление. 2017. № 4. С. 154–164.

16. Придворова Е. С. Сравнительный анализ методов прогнозирования социально-экономического развития региона (на примере Белгородской области) // Экономика. Информатика. 2013. № 1 (144). С. 5–14.

17. Пшеничных Ю. А., Жертовская Е. В., Якименко М. В. Формирование типологических матриц как основы выявления территорий, перспективных с точки зрения создания и развития туристско-рекреационных кластеров, с учетом оценки туристского потенциала и наличия конвергенции // Фундаментальные исследования. 2018. № 12. С. 276–281.

18. Скулаков Р. М. Теоретические основы прогнозирования угроз территориальной целостности Российской Федерации // Юридический вестник Дагестанского государственного университета. 2017. № 3. С. 34–39.

19. Юсупов К. Н., Зимин А. Ф., Тимирьянова В. М., Трофимова Н. В. Кластерный анализ муниципальных образований по социально-экономическим показателям // Россия: тенденции и перспективы развития. 2020. С. 780–784.

20. Armstrong J. S., Green K. C. Forecasting Methods and Principles: Evidence-Based Checklists // Journal of Global Scholars of Marketing Science. 2018. № 28 (2). С. 103–159.

21. Buchatskaya V., Buchatsky P., Teploukhov S. Forecasting Methods Classification and its Applicability // Indian Journal of Science and Technology. 2015. Vol 8 (30). P. 1–8. DOI: 10.17485/ijst/2015/v8i30/84224.

22. Cantuarias-Villessuzanne C., Weigel R., Blain J. Clustering of European Smart Cities to Understand the Cities’ Sustainability Strategies. Sustainability. 2021. N 13 (2). P. 513. DOI: 10.3390/su13020513.

23. Gružauskas V., Čalnerytė D., Fyleris T., Kriščiūnas A. Application of multidimensional time series clus ter analysis of regional socio-economic indicators of municipalities // Real Estate Management and Valuation. 2021. N 29(3). P. 39–51.

24. He L., Tao J., Meng P., Chen D. and etc. Analysis of socio-economic spatial structure of urban agglomeration in China based on spatial gradient and clustering // Oeconomia Copernicana. 2021. Vol. 12. N 3. P. 789–819. DOI: 10.24136/oc.2021.026.

25. Malhotra S., Lalit K. D., Charia V. M. Design research methods for future mapping // International Conferences on Educational Technologies. International Association for Development of the Information Society. 2014. [Электронный ресурс] URL: https://files.eric.ed.gov/fulltext/ED557342.pdf (дата обращения: 13. 02. 2023).

26. Sapena M., Wurm M., Taubenböck H., Tuia D. Estimating quality of life dimensions from urban spatial pattern metrics // Computers, Environment and Urban Systems. 2021. N 85 DOI: 10.1016/j.compenvurbsys.2020.101549.

27. Yakovenko N. V., Ten R. V., Komov I. V. Sustainability Assessment of Social and Economic Development of Municipalities in the Voronezh Region // Sustainability. 2021. N 13 (19). DOI: 10.3390/su131911116.

28. Zellner M., Abbas A. E., Budescu D. V., Galstyan A. A survey of human judgement and quantitative forecasting methods // Royal Society Open Science. 2021. N 8 (2). DOI: 10.1098/rsos.201187.