Изменение влияния экономических факторов на образование в Российской Федерации за 2000–2022 гг

В статье исследуется анализ зависимости между экономическим состоянием и уровнем образования регионов РФ за последние 20 лет. В качестве экономических показателей регионов были выбраны валовой региональный продукт, доля пенсионеров, общие расходы и доля расходов на коммунальные услуги, доля населения с доходами ниже прожиточного уровня и др. В качестве показателей, характеризующих уровень образования регионов, были взяты численность учителей, студентов, преподавателей, аспирантов, доля затрат на фундаментальные и прикладные исследования и т. д. Основные методы исследования — факторный, корреляционный и кластерный анализ, а также метод главных компонент. С помощью кластерного анализа были получены 4 группы регионов, отличающиеся по экономическим показателям. Все показатели были стандартизованы и для каждого года был проведен метод главных компонент между двумя группами показателей как для всех регионов РФ, так и для каждого кластера в отдельности. После выбора первых главных компонент построена линейная зависимость между рассматриваемыми двумя группами показателей для разных федеральных округов РФ. Сделан вывод о том, что для первых двух кластеров с 2000 до 2003 г. связи между двумя группами показателей не наблюдалось. Однако начиная с 2004 г. выявлена линейная зависимость между двумя группами показателей, которая имеет тенденцию к усилению. Для третьего и четвертого кластеров отмечается отсутствие данной зависимости на протяжении последних 20 лет. По построенной модели линейной регрессии сделан прогноз на ближайшие 5 лет об усилении влияния экономики на сферу образования для регионов, входящих в первый и второй кластеры. Проведенный анализ подтверждает предположение о том, что для промышленных регионов существует сильная взаимосвязь между экономическими показателями и уровнем образования, тогда как для сырьевых и аграрных регионов такая взаимосвязь отсутствует. Предложенный метод может быть использован как для анализа влияния экономических факторов на образование регионов, так и для анализа обратного влияния, что особенно актуально для принятия стратегических решений в области образования.

1. Батракова Л. Г. Инновационное развитие регионов России по модели «тройной спирали» // Социально-политические исследования. 2020. № 3 (8). С. 67–80. DOI: 10.20323/2658-428X-2020-3-8-67–80

2. Болдырева К. С., Полехина В. Д. Влияние цифровой экономики на образование // Ratio et Natura. 2020. № 1 (1).

3. Василенко Н. В. Экономика знаний и сфера образования: взаимообусловленность развития // Научно-методический электронный журнал «Концепт». 2016. Т. 15. С. 1869–1900.

4. Горяинов В. Б., Горяинова Е. Р. Исследование устойчивости к аномальным наблюдениям модификаций метода главных компонент // Вестник Московского государственного технического университета им. Н. Э. Баумана. Серия: Естественные науки. 2023. № 2 (107). С. 17–34.

5. Горяинов В. Б., Горяинова Е. Р. Сравнительный анализ качества робастных модификаций метода главных компонент при сжатии коррелированных данных // Вестник Московского государственного технического университета им. Н. Э. Баумана. Серия: Естественные науки. 2021. № 3 (96). С. 23–45.

6. Джой Е. С. Влияние системы образования на функционирование рынка труда // Экономика и предпринимательство. 2018. № 6. С. 275–279.

7. Дорофеева Т. П. Взаимосвязь экономико-демографических факторов и спроса на услуги высшего образования // Вестник Кемеровского государственного университета. Серия: Политические, социологические и экономические науки. 2020. Т. 5. № 4 (18). С. 534–542.

8. Егиазарян О. Э. Анализ результатов оценки качества общего образования в регионах со сложной социально-экономической ситуацией // Человеческий капитал. 2022. № 11 (167). С. 104–109.

9. Кондратенко Н. А., Шашкова С. Н. Влияние социально-экономических процессов на развитие системы образования // Вестник УГНТУ. Наука, образование, экономика. Серия: Экономика. 2019. № 2 (28). С. 108–115.

10. Котомина О. В., Третьякова Е. А. Взаимосвязь развития региона и функционирования вузов (на примере Северо-Западного федерального округа) // Балтийский регион. 2024. Т. 16. № 1. С. 117–140.

11. Купревич Т. С., Турбан Г. В. Цифровая трансформация международного бизнеса: пособие для студентов. Минск : Гос. учреждение образования «Республиканский институт высшей школы», 2022. 100 с.

12. Свиридова Е. В. Учет влияния факторов рынка образовательных услуг при прогнозировании набора в вуз // Научный альманах. 2015. № 12–1. С. 330–335.

13. Схаплок Р. Б. Формализация факторов, влияющих на сбалансированное развитие экономики региона // Стратегия соц.-эк. развития общества: управленческие, правовые, хо зяйственные аспекты : сборник научных статей 10-й Международной научно-практической конференции. В 2 т. Курск, 26–27 ноября 2020 года. Т. 2. Курск : Юго-Западный гос. ун-т, 2020. С. 193–196.

14. Федорова Е. А., Мусиенко С. О., Федоров Ф. Ю., Рогов О. Ю. Оценка качества образования в регионах // Региональная экономика: теория и практика. 2018. Т. 16. № 2 (449). С. 249– 262.

15. Федотов А. А., Сергеев С. М., Борисоглебская Л. Н., Лебедева Я. О. Прогнозирование рынка образовательных услуг на базе цифровых технологий // Инновации. 2020. № 3. С. 66–70.

16. Чебыкина М. В., Миронова Е. А., Шаталова Т. Н. Человеческий капитал как основополагающий фактор инновационных преобразований и управления на региональном уровне // Вестник Самарского университета. Экономика и управление. 2023. Т. 14. № 2. С. 180–186.

17. Bro R., Smilde A. K. Principal component analysis // Anal. Methods. 2014. Vol. 6. N 9. P. 2812– 2831.

18. Gao Yu, Yao K., Xiao L., Gao Sh. Equipment consumption prediction based on improved HOLT exponential smoothing method // Journal of Physics: Conference Series. 2023. Vol. 2670. N 1. P. 012015.

19. Golichenko O. The Basic Factors of National Innovation System Development in Russia // Delhi, India : Narosa Publishing House, 2014. P. 38–52.

20. Kobayashi Ya. New precise model of studentized principal components // Communications in Statistics — Theory and Methods. 2024. Vol. 53. N 2. P. 487–504.

21. Liu W., Liu Zh., Wang L. Regional Social Development Gap and Regional Coordinated Development Based on Mixed-Methods Research: Evidence from China // Frontiers in Psychology. 2022. Vol. 13.

22. Lutsenko V. V., Kucherov N. N., Gladkov A. V. Predicting traffi congestion based on time series analysis // Modern Science and Innovations. 2023. N 2 (42). P. 50–58. DOI: 10.37493/2307910X.2023.2.5. EDN JASHWV

23. Maronna R. A., Martin R. D., Yohai V. J., Salibián-Barrera M. Robust Statistics: theory and Methods (with R). Chichester : Wiley. 2019. 453 p.

24. Zhang Chunlei. Analysis of the substitution eff on employment and educational needs in digital economy // Естественно-гуманитарные исследования. 2021. N 37 (5). P. 336–341. DOI: 10.24412/2309-4788-2021-537-336-341. EDN RGDEUU

25. Zheng Y., Cheng Y., Li L. Factors Aff Regional Economic Synergy in China — Based on Research on High-Tech Industry // IEEE Access. 2020. Vol. 8. P. 14123–14133.