Цель исследования. Рост экспорта отечественного зерна является одним из ключевых факторов позитивного развития экономики страны, что обусловлено, в том числе, растущим спросом на данный товар в разных регионах мира. В этой связи российские экспортеры нацелены на реализацию стратегии, цель которой состоит в укреплении позиций на международном рынке. Тем не менее, существует ряд факторов, под влиянием которых объемы экспортного зерна могут отклоняться как в большую, так и в меньшую сторону, что негативно отражается как на доходах, так и на готовности экспортеров к обеспечению условий для реализации экспортных грузопотоков в соответствии с потребностями рынка. В этой связи целью настоящей статьи является построение и решение прогнозной модели, применение которой позволит наиболее точно планировать использование ресурсного потенциала экспортеров.

Материалы и методы. Для достижения поставленной в статье цели использованы статистические данные за достаточно длительный период (27 лет). При разработке динамической эконометрической модели использовались методы статистического и корреляционно-регрессионного анализа. Это позволило исследовать взаимосвязи между переменными, а также установить структуру и выполнить проверку временных рядов на предмет их коинтеграции. Для решения модели использован метод наименьших квадратов, предполагающий ее проверку на выполнение соответствующих требований.

Результаты. На основании матрицы парных коэффициентов корреляции исключены интеркоррелированные переменные и определены наиболее значимые для составления прогноза факторы. Установлено, что максимально тесная связь существует между уровнем российского экспорта зерна, валовых объемов его производства, объемов мирового экспорта зерна и мировых перевозок зерновых культур. Учитывая достаточно сильную интеркорреляцию между мировым экспортом и мировыми перевозками зерна, авторами принято решение включить в модель показатель мирового экспорта зерна. С целью исключения «ложной» корреляции, причиной которой могут стать тенденция и периодические колебания, выполнено исследование структуры временных рядов показателей, причем не только визуальное, но и на основе автокорреляционных функций. В результате построена модель зависимости российского экспорта зерна от объемов его валового производства в России и мирового экспорта зерновых культур, проверки которой подтвердили адекватность взаимосвязи между показателями. Построение модели позволило произвести количественную оценку влияния факторных признаков на изменение результата: увеличение производства зерна на 1 млн т приводит к приросту его экспорта в среднем на 313 тыс. тонн, а рост мирового экспорта обуславливает увеличение российского экспорта на 109 тыс. тонн.

Заключение. С целью обоснования построенной эконометрической модели, в нее были подставлены фактические и прогнозные значения факторов. Прогнозные значения, полученные в результате применения авторской модели, практически полностью совпали с прогнозом, сделанным Продовольственной и сельскохозяйственной организацией Объединённых Наций на 2025 год, что доказывает ее адекватность.

Предмет. Комплекс отношений по оценке работы системы противопожарной безопасности России, Южного федерального округа (ЮФО) и его регионов. Данная система представляет собой широкую структуру органов и организаций, интегрированную для решения задач обеспечения безопасности населения и устойчивости экономики страны и её регионов. Эффективная работа такой системы нуждается в адекватном статистическом информационном обеспечении, как единственном источнике получения полных, обоснованных и оперативных данных в области стрессовых и вариативных сведений пожарной опасности.

Цель. Получение реальной информации о сложных и комплексных процессах противопожарной безопасности на федеральном и региональном уровнях в современных российских условиях.

Методология. Исследование строится на основе интеграции информации о количестве пожаров и их показателей материального ущерба в разрезе ЮФО и его регионов, и России в целом. Его основным элементом служит определение тенденций динамики и сравнение этих трендов по изучаемым народнохозяйственным уровням за период 2018–2024 гг. В статье проведено сравнение, полученных тенденций для получения реальной картины противопожарной безопасности, в наиболее, подверженных опасности, и безопасных регионах ЮФО, а также определения соответствия этих тенденций общероссийским.

Результаты. На основе статистических данных выявлены некоторые тенденции роста количества и материального ущерба от пожаров в стране и ЮФО, а также регионы данного федерального округа, где подобные негативные тенденции выражены наиболее ярко, и регионы в которых идет снижение пожарной опасности.

Выводы. Некоторый рост количества и материального ущерба от пожаров диктует необходимость совершенствования всей системы противопожарной безопасности. При этом в первую очередь подобное совершенствование должно касаться информационного обеспечения на основе широкого внедрения статистических методов обработки, позволяющих учитывать, как отдельные пожары, так и анализировать пожарную опасность в виде процесса на макро- и мезоуровнях социально-экономического развития.

Цель исследования. Цель исследования состоит в анализе состояния и динамики основных фондов в индустрии туризма и гостеприимства с использованием методов анализа статистических данных и прогнозирования.

Материалы и методы. Информационной базой выступила база Росстата в разрезе деятельности предприятий сферы гостеприимства и общественного питания. Задействованы методы статистического анализа: анализ динамики, структуры, коэффициентный, корреляционный анализ, индексный метод, прогнозирование. Прогнозирование осуществлялось с помощью построения ARIMA-модели. Произведены расчеты и оценка коэффициентов парной корреляции Пирсона, оценка причинности по Грейнджеру. Исходные данные предварительно были приведены к стационарному виду с помощью процедуры TRAMO/SEATS. Период исследования – 2020–2024 гг. Были задействованы следующие системные приложения: MS Excel, Gretl.

Результаты. Зафиксирован рост капитализации внеоборотных активов в индустрии туризма и гостеприимства за рассмотренный период более чем в четыре раза. Наибольший прирост наблюдался в группе «сооружения», наименьший – в группе «нежилые и жилые здания и помещения». Выявлено наличие существенных структурных сдвигов в основных фондах и отсутствие идентичности в сравниваемых структурах. Темпы обновления основных фондов значительно превышают темпы их выбытия. Степень износа всей совокупности основных фондов отрасли относительно невысокая, при этом она незначительно превышает средние значения по экономике в целом. Наиболее высокой степенью износа характеризуется группа «машины и оборудование», наиболее низкой – группа «нежилые здания». Индекс фондовооруженности показывает снижение при одновременном росте капитализации основных фондов, что обусловлено отставанием динамики материально-технического оснащения индустрии туризма от показателя обеспеченности кадрами. Наблюдается повышение эффективности использования основных фондов, характеризующееся ростом индекса фондоотдачи. Показатель рентабельности основных фондов в динамике показывает разнонаправленную тенденцию: до 2020 года – снижение, с 2021 года – ежегодный прирост. Наблюдается существенный прирост объемов капитальных вложений в туристский сегмент экономики. Установлено, что реальные объемы инвестиций в отрасль ниже запланированных. Высокая и прямая взаимосвязь была зафиксирована между переменными «рентабельность основного капитала» и «финансовый результат», прямая и заметная – между «инвестиции» и «прибыль», «износ» и «инвестиции». Причинно-следственная связь по Грейнджеру была зафиксирована между следующими переменными: «инвестиции в основной капитал» (причина) и «износ основных фондов» (следствие), «наличие основных фондов» (причина) и «износ основных фондов» (следствие).

Заключение. Авторы пришли к выводу, что сфера туризма и гостеприимства, несмотря на череду сменяющих друг друга кризисов, активно развивается, что обусловлено ростом капитализации активов и повышением эффективности их использования. Полученные результаты могут быть полезны государственным органам и частным инвесторам для управления отраслью.

Цель исследования заключается в выявлении и систематизации подходов, объясняющих вариативность структуры креативной экономики как набора видов экономической деятельности.

Материалы и методы. Изучение вариативности структуры креативной экономики основывается на докладах Департамента культуры, СМИ и спорта Великобритании (1998 г.) и международных организаций (1986, 2008, 2009, 2025 гг.), а также на методологии Росстата. Основным методом анализа структуры креативной экономики является обобщение позиций как государственных и международных организаций, так и исследователей в этой области. Эмпирической основой исследования стали временные ряды добавленной стоимости креативной экономики, долей добавленной стоимости в валовом внутреннем продукте, индексов физической объема добавленной стоимости креативной экономики в 2017–2025 гг., а также добавленная стоимости видов экономической деятельности в разрезе классов.

Результаты. Выявлено наличие групп видов экономической деятельности, представляющие «ядро» креативной экономики: группы, связанное с природным и культурных наследием, музыкой и исполнительским искусством, производство креативных товаров, издательское дело, телевидение и радио, креативные услуги (дизайн, реклама и архитектура). Определены группы видов деятельности, которые рассматриваются только в одной из классификаций и представляют возможное направление развитие креативной экономики: товары, частично относимые к креативным, торговля, оптовая и розничная, креативные блага, аренда и лизинг в этой сфере. Эмпирическая оценка динамики добавленной стоимости креативной экономики позволила увидеть существенную разницу в темпах роста и индексах физического объема как в отдельные периоды, так и за весь рассматриваемый период между видами экономической деятельности, связанными с информатизацией отдельных процессов, и остальными группами, составляющими креативную экономику.

Заключение. Изменение стандартных классификаций, используемые для агрегации статистических данных, позволяет более точно оценить вклад креативной экономики в макроэкономические показатели. Однако креативные индустрии, включаемые в нее, имеют разный вес в общей структуре и демонстрируют существенно отличающийся темп роста. Анализ существующих классификаций креативных индустрий обеспечивает понимания такого различия и возможных траекторий трансформации структуры креативной экономики.

Целью исследования является разработка методики расчета корректировок от объектов сравнения к объекту оценки, основанная на данных о завершенных сделках. Корректировки цен объектов аналогов используются в методе количественных корректировок. По мнению авторов, данный метод является устаревающим и постепенно будет вытесняться современными методам анализа данных. Однако, на сегодняшний день, он наиболее популярен среди независимых оценщиков в силу своей простоты и устоявшейся традиции. Таким образом, существует необходимость предоставления оценщикам инструментов, позволяющих сочетать традиционные и современные методы проведения расчётов. Одним из способов определения количественных корректировок является метод парных продаж (сравнений). При парных сравнениях предполагается поиск объектов, отличающихся значением одного признака. Недостатком такого метода является сложность поиска таких объектов и отсутствие априорной информации о причинах отличия цен. Наблюдаемое отличия свойств не означает автоматического влияния на цены. При работе с небольшими выборками, можно столкнуться с наблюдаемым и даже статистически значимым эффектом «влияния» того или иного признака на цену объекта, так как небольшие выборки не обеспечивают устойчивость результатов статистических выводов в рамках частотного подхода, являющегося традиционным для оценщиков. Следует не забывать о правиле ”correlation does not imply causation”. Чаще всего, проблема учёта ложных связей исчезает по мере роста объёма анализируемой выборки. Таким образом, проблема обеспечения учёта только тех отличий свойств объектов на рынке которые реально влияют на цены может быть решена, в первую очередь, за счёт повышения количества анализируемых данных. Длительное время в отечественной теории и практике оценки рассматриваются, в основном, цены предложений, доступные из рекламных объявлений в листингах. Получаемые на их основе результаты, включая коэффициенты которые могут быть использованы в качестве корректировок, всегда имеют элементы субъективности, так как в ценах предложений отражаются только ожидания продавцов. Поэтому приходится изучать условия на передаваемые имущественные права, условия возможной сделки, «рыночность» сделки и т.п. С открытием данных Росреестра о совершенных и зарегистрированных сделках появляются новые возможности анализа данных, в т.ч. для расчета корректировок, хотя бы по тем ценообразующим факторам, которые заносятся в базу Росреестра при регистрации сделок.

Материалы и методы. В статье использованы открытые данные Росреестра о совершенных и зарегистрированных сделках. Основной метод исследования – техника A/B тестирования, хорошо зарекомендовавшая себя в цифровом маркетинге. Рассматриваемый в настоящей работе метод расчета корректировок является, по существу, переносом A/B тестирования в теорию и практику оценки недвижимого имущества. Расчеты выполнялись в среде статистического пакета R. Предварительная обработка данных и построение карт были выполнены на языке Python. Была использована картографическая основа OpenStreetMap.

Результаты. Предложена методика расчета корректировок от объектов сравнения к объекту оценки по ценообразующим факторам, включенным в базу данных Росреестра. Методика основана на открытых данных, отличается простой воспроизводимостью и доведена до программного решения. Следует отметить что результатом статьи является именно методика, а не конкретные числовые значения корректировок. Все расчёты должны выполняться самим оценщиком на данных, соответствующих конкретной задаче.

Заключение. Открытые данные Росреестра могут и должны использоваться в задачах оценки недвижимого имущества. Они позволяют решить ряд оценочных задач, ранее недоступных или трудно разрешимых в силу отсутствия данных о совершенных сделках. Этот пробел в теории и практике оценки постепенно заполняется с введением открытого доступа к данным сделок.

Цель исследования. Совершенствование методологии интегральной оценки уровня цифровизации организаций, позволяющей проводить сопоставимый пространственно-временной анализ на уровне регионов, федеральных округов и страны в целом.

Материалы и методы. Исследование базируется на данных Федеральной службы государственной статистики за 2020–2024 годы. В качестве основного метода использован метод многоугольника, адаптированный для решения задачи интегральной оценки. Процедура оценки включает формирование системы из 15 показателей, сгруппированных в 7 тематических блоков, их мин-макс нормализацию, расчет локальных критериев как средних арифметических и определение интегрального показателя как отношения площади многоугольника региона к площади многоугольника эталонного региона.

Результаты. Разработана и апробирована методика, в которой устранены ключевые недостатки существующих подходов: чувствительность к выбросам, субъективность взвешивания и ориентация на ограниченный круг показателей. На ее основе рассчитан уровень цифровизации организаций по федеральным округам РФ за 2024 год. Установлено, что наивысший уровень цифровизации организаций наблюдается в Центральном федеральном округе (35,2%), а наиболее низкий – в Северо-Кавказском (16,6%). Среднероссийский показатель составил 29,5%. Динамика за 2020–2024 годы демонстрирует общий рост уровня цифровизации организаций на 7,1 процентного пункта, несмотря на негативное влияние внешних шоков.

Заключение. Предложенная методика обеспечивает комплексную, количественно интерпретируемую и визуально наглядную оценку цифрового развития российских организаций. Результаты могут быть использованы органами государственной статистики и управления для мониторинга цифровизации бизнеса, разработки региональных стратегий и выравнивания цифрового неравенства между территориями.