Preview

Статистика и Экономика

Расширенный поиск

Научно-практический рецензируемый журнал «Статистика и Экономика» выходит 1 раз в 2 месяца.

Цель журнала - создание специализированной площадки для публикации статьей по актуальным проблемам статистики, математических методов в экономике, результатов исследований ученых вузов, академических институтов, исследователей-практиков, содержащие результаты научных исследований.

Основные тематические направления журнала:
- развитие методологии статистики и экономического анализа;
- результаты статистических исследований экономических, социальных и демографических явлений и процессов;
- обзор и анализ новых направлений в статистической и экономической наук;
- практический опыт развития национальных статистических систем;
- внедрение международных стандартов;
- внедрение современных информационно-коммуникационных технологий в статистическую и экономические практики;
- история статистики и экономики;
- историческая оценка основополагающих работ в области статистики и экономики и их влияние на развитие науки. 

Журнал индексируется:
- в Российском индексе научного цитирования (РИНЦ) (http://elibrary.ru/title_profile.asp?id=28212);
- в базах РГБ, CYBERLENINKA, DOAJ, ULRICH’S, BASE, OCLC WorldCat, Google Академия, Open Archives, Research Bible, AcademicKeys, Mendeley.

На сайте реализована возможность прикрепления любых авторских презентационных, мультимедийных, видео (например, обращение автора; видео-аннотация), приложение к статье.

Журнал зарегистрирован в Федеральной службе по надзору в сфере связи, информационных технологий и массовых коммуникаций (свидетельство о регистрации СМИ ПИ №ФС77-65889 от 27.05.16 г.).

Журнал «Статистика и Экономика» является правопреемником журнала "Экономика, статистика и информатика. Вестник УМО"(свидетельство о регистрации СМИ ПИ № ФС77-26890 от 12.01.07г.)

Журнал «Статистика и Экономика» включен в «Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертации на соискание ученой степени доктора и кандидата наук».

На журнал «Статистика и Экономика» Вы можете подписаться через РОСПЕЧАТЬ или Урал-Пресс – подписной индекс ПИ 80246. Подписаться можно на сайте агентства или в почтовых отделениях.

Текущий выпуск

Том 19, № 5 (2022)

ДЕМОГРАФИЧЕСКАЯ СТАТИСТИКА 

4-12 53
Аннотация

Мировым сообществом подчеркивается проблема растущего в мире неравенства, среди причин которого выделяют стремительное развитие технологий и процессов глобализации, а также уделяется особая роль повышению социальной мобильности в качестве ключевого направления решения данного вопроса. Усиление влияния социальной мобильности на экономику, подтвержденное результатами ряда исследований, повышает актуальность определения уровня социальной мобильности, в том числе для Республики Беларусь. Отсутствие страны среди участников рейтинга GSMI (Глобальный Индекс Социальной Мобильности) и последствия, возникающие в связи с этим, связанные прежде всего с затруднением оценки социальной мобильности в республике, повышают необходимость разработки комплексного подхода к данному вопросу. Так, в статье предложена авторская методика оценки социальной мобильности рабочей силы в Республике Беларусь, учитывающая национальные особенности предоставления официальной статистической информации в открытом доступе, предполагающая сравнительный анализ регионов страны по трем направлениям: равные возможности трудоустройства, справедливый и безопасный труд, повышение уровня жизни.

Цель исследования – определить уровень социальной мобильности на рынке труда Республики Беларусь, предварительно изучив результаты зарубежного опыта оценки и регулирования данного явления.

Эмпирическая база и методы исследования. В качестве эмпирической базы выступают данные Национального статистического комитета Республики Беларусь, сформированные как на общереспубликанском уровне, так и в разрезе областей страны. Работа основана на общенаучных методах исследования, а также на методах компаративного анализа. Результаты. Для достижения поставленной цели решен ряд задач: согласно разработанной методике определены позиции областей страны в предложенном рейтинге социальной мобильности рабочей силы, с последующим их сравнением с общереспубликанским уровнем; выявлено «проблемное поле» для каждой области в отдельности; определены лидеры и «аутсайдеры» рейтинга. Определен ряд барьеров, препятствующих комплексной оценке социальной мобильности рабочей силы в Республике Беларусь. В том числе перечислен ряд показателей, которые вызывают интерес относительно их применения в расчете предложенного индекса, но не использованных по причине статистической недоступности в региональном разрезе.

Заключение. Практическая ценность работы заключается в возможности применения ее результатов в процессе принятия управленческих решений в области государственного регулирования рынка труда. Предложенная методика определения уровня социальной мобильности рабочей силы может существенно расширить представление о социально-трудовой сфере Республики Беларусь, дополнив традиционный подход к анализу состояния рынка труда нашей страны. Формирование соответствующей базы данных, с учетом предложенных рекомендаций по предоставлению отдельных статистических показателей в разрезе областей страны, позволит значительно повысить объективность рейтинга социальной мобильности рабочей силы, представленного в рамках данного исследования.

13-24 39
Аннотация

Целью исследования является определение уровня результативности институциональных механизмов адаптации населения региона. Актуальность исследования связана с проблемами отражения сущности институциональных механизмов адаптации населения, которые влияют на их результативность в условиях перехода к динамичному развитию. Предполагается, что определение результативности институциональных механизмов адаптации населения региона оценивается на основе характеристики воспроизводства населения, роста добавленной стоимости и уровня жизни людей. Рассматривается взаимодействие институциональных механизмы адаптации населения с шестью институциональным секторам экономики.

Методами исследования являются теория и методология статистики, в том числе индексный и табличный метод, группировки данных, рядов динамики и сравнительных оценок. Для определения сущности институциональных механизмов адаптации населения региона использован статистический подход. Автором приведена оценка уровня результативности региона по 9 основным количественным и качественным показателям, которые объективно отражают общее состояние экономики, уровень жизни населения и эволюцию институциональных механизмов адаптации населения за период 1990–2020 годы.

Результаты исследования: уточнено понятие институционального механизма адаптации населения как совокупность последовательных действий социально-экономических институтов, обеспечивающая их результативное взаимодействие посредством выполнения формальных и неформальных правил, норм и стандартов с целью повышения уровня и качества жизни населения. В этой связи разработан инструментарий к определению результативности институциональных механизмов адаптации населения по показателям воспроизводства населения, роста добавленной стоимости, уровня жизни населения. За последние 30 лет произошли существенные изменения во многих регионах страны в отношении использования институциональных механизмов адаптации населения, которые способствовали повышению уровня результативности деятельности субъектов хозяйствования и раскрытию особенностей конкретных территорий. Однако в ряде регионов страны, в том числе Курганской области, происходит значительное снижение численности и миграционный отток населения, медленно увеличиваются реальные доходы населения.

Заключение: использование статистического подхода позволяет определить не только результативность институциональных механизмов адаптации населения, но и эффективность реализуемых стратегий развития на перспективу и качество принимаемых решений органами управления. Выявлены взаимосвязи используемых институциональных механизмов адаптации населения с уровнем экономического потенциала территории. Установлено, что население быстрее адаптируется к усовершенствованным институциональным механизмам, при снижении социальной напряженности и увеличению поддержки людей в кризисных ситуациях. Обоснованы основные направления дальнейших исследований по проблемам изменений институциональных механизмов адаптации населения и оценки их результативности в условиях перехода к динамичному развитию.

СОЦИАЛЬНАЯ СТАТИСТИКА 

25-34 46
Аннотация

Цель исследования. Цифровая реальность диктует необходимость в развитии нового блока компетенций – цифровых навыков. Для трудоустройства и последующего карьерного роста высокую значимость приобретают знания компьютерных технологий, навыки программирования и использования программного обеспечения. Для качественной повседневной жизни разных возрастных категорий населения необходимы компетенции в области применения персональных компьютеров, сети Интернет и других видов ИКТ. В ситуации стремительного расширения аудитории сети Интернет особый интерес представляет оценка активности населения в цифровом пространстве и анализ целей его использования. Материалы статьи затрагивают теорию поколений, выявляющую закономерности в поведении людей, родившихся в одни и те же временные интервалы. У представителей разных поколений под влиянием факторов экономического, политического, социального и культурного характера формируются свои ценности и восприятие мира. Что, в конечном счете, потребует адаптации как рынка потребительских товаров и услуг, так и рынка труда к особенностям представителей каждого поколения. Это предопределяет необходимость исследования специфики использования цифровой среды представителями обозначенных экономически активных поколений.

Материалы и методы. Информационной базой исследования послужили данные Федеральной службы государственной статистики за 2012–2019 гг., а также результаты выборочных обследований домашних хозяйств по использованию ИКТ. В качестве инструментария оценки цифрового поведения представителей экономически и социально активных поколений использованы статистические методы: сравнительный анализ и анализ динамических рядов.

Результаты. Возрастная структура населения Российской Федерации представлена следующими поколениями: поколением «беби-бумеров», поколениями Х, Y и Z. Доля этих экономически и социально активных поколений составляет 95% от общей численности населения страны. Удельный вес величайшего и молчаливого поколений – 5%. Каждому поколению присущи свои модели поведения. Сравнительная характеристика особенностей использования цифровой среды позволила сделать вывод, что для всех поколений приоритетными целями использования сети Интернет являются коммуникации и общение. Основные различия проявляются в специфике действий совершаемых представителями рассматриваемых поколений в сети Интернет и потребительских предпочтений на товары и услуги, представленные на разных цифровых платформах. При этом представители поколения Z обладают более высоким уровнем цифровых навыков по сравнению с представителями других поколений. Полученные результаты исследования представляют интерес для представителей бизнеса при разработке стратегических направлений взаимодействия с потребителями и последующему вовлечению в онлайн-пространство значительной части общества.

ЭКОНОМИЧЕСКАЯ СТАТИСТИКА 

35-47 60
Аннотация

В настоящее время одним из основных трендов является изучение особенностей и преимуществ регионального развития, повышение значимости роли регионов в национальной и мировой политике Имеющиеся различия в технологических результатах, которые можно наблюдать на национальном и региональном уровнях, в значительной степени обусловлены особенностями институциональной среды, т.е. степенью концентрации на уровне региона высокотехнологичных компаний, современной производственной и инновационной инфраструктур. Регионы Российской Федерации демонстрируют заметные различия, касающиеся уровня социально-экономического развития, наличия человеческих и природных ресурсов, развития образовательного, научного и инновационного потенциалов в определенной зависимости от исторически сложившейся развитости инфраструктуры. В  данном исследовании рассматриваются результаты кластеризации российских регионов по основным показателям, характеризующим экономическую, научную и инновационную деятельность. Классификация регионов осуществлялась методом кластерного анализа.

 Цель исследования. Целью исследования являлось определение однородных групп регионов, схожих по своим экономическим и инновационным показателям, статистический анализ этих групп на основе непараметрических методов и методов корреляционно-регрессионного анализа, формирование выводов и рекомендаций, касающихся инновационной деятельности.

Материалы и методы. Информационной базой исследования послужили статистические данные и аналитическая информация, характеризующая состояние экономической и инновационной деятельности в российских регионах. В исследовании использовались следующие статистические методы: непараметрические (ранговые коэффициенты корреляции Спирмена, критерий Манна Уитни), корреляционный (коэффициенты Пирсона, коэффициенты детерминации) регрессионный (нелинейные регрессионные модели), многомерные классификации (кластерный анализ), описательные статистики (средние, структурные средние, показатели вариации и др.).

Результаты. В результате кластеризации регионов России методом k-средних получены 4 кластерных группы, внутри статистически однородные по исследуемым показателям. С целью выявления взаимосвязей между рассматриваемыми показателями рассчитывались парные линейных коэффициенты корреляции Пирсона. В ходе исследования были проверены три гипотезы о статистически значимых различиях между показателями третьего и четвертого кластеров. Набор показателей был следующий: коэффициент изобретательской активности, внутренние затраты на исследования и разработки в расчете на одного работника, среднедушевой размер инновационных товаров и услуг. Для этих целей был использован непараметрический критерий Манна-Уитни. Проведенный анализ показал, что Регионы РФ крайне разнообразны и неоднородны по своему экономическому и инновационному развитию. При их анализе целесообразно предварительно использовать методы кластерного анализа для получения однородных групп территорий со схожими социальными и экономическими характеристиками, что подтверждается в настоящем исследовании проверкой гипотез о статистически значимых различиях между показателями третьего и четвертого кластеров (различия первого и второго кластеров с остальными кластерами и между собой очевидны и не требуют каких-либо математических доказательств).

Заключение. Лидерами в научном и инновационном развитии являются г. Москва, г. Санкт-Петербург, Московская область и Республика Татарстан. У них самые высокие показатели изобретательской активности населения и объемы производства инновационных товаров и услуг. Такие субъекты РФ, как Тюменская область, республика Саха (Якутия), Магаданская область, Сахалинская область и Чукотка образовали кластерную группу с самыми высокими размерами среднедушевых ВРП, инвестиций и основных фондов, но у них практически самые низкие показатели инновационной активности. Добывающая промышленность является главным двигателем экономики этих регионов. Свой отдельный кластер образовали 26 регионов со средними по РФ уровнями экономического и инновационного развития. В частности, в него вошли области: Белгородская, Липецкая, Смоленская, Архангельская, Вологодская, Ленинградская, Мурманская, Челябинская, Иркутская, Томская и др. Эти регионы перспективны в инновационном плане, но требуют для своего дальнейшего развития существенных федеральных вложений. Четвертая группа регионов объединила экономически слабые территории с низкими показателями инновационной деятельности. Эти регионы составили более половины от всей совокупности (47 регионов). Статистический анализ внутри полученных кластеров позволил выявить взаимосвязи экономических показателей и описать их с помощью регрессионных моделей.

СТАТИСТИКА И МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ЭКОНОМИКЕ 

48-58 80
Аннотация

Проведение комбинационного полиномиального и спектрального анализа временных рядов, сформированных на основе ежедневных наблюдений за изменениями курса RUB/AZN с выраженными колебаниями за период 11.05.2017-02.11.2018 на основе компьютерного эконометрического моделирования.

Цель исследования. Возможность описания глобальной динамики курса аппроксимацией с сочетанием нелинейного полиномиального тренда и гармонических колебаний различных частот относительно этой кривой; возможность вычисления амплитуд и фаз, которые можно использовать для оценок спектра мощности аппроксимации Фурье; возможность выработки высокоточного алгоритма для прогнозирования курсовых изменений RUB/AZN.

Материалы и методология. Использованы официальные статистические данные госкомстата Азербайджана; классические методы математического анализа и экономического анализа; применены методы эконометрики, гармонического (Фурье) анализа, статистического спектрального анализа, «Анализ Фурье» надстройки MS Excel, инструменты пакета прикладных программ Eviews 8 с учетом показателей среднеквадратичного отклонения и средней ошибки аппроксимации, необходимые статистические процедуры, требуемые для идентификации и оценки параметров модели и проверки ее адекватности и точности.

Результаты. Разбивая эмпирический анализ заданных временных рядов на полиномиальные по временной шкале и частотно-временные компоненты. Выявлены комбинации оптимальной степени вариантов полиномов до 11-ой степени и число гармоник синусов и косинусов всех возможных дискретных частот.

Заключение. Этот результат позволяет пересмотреть асимметрическое воздействие давления курса RUB/AZN на внешнеторговый баланс между Россией и Азербайджаном. Увеличение/уменьшение давления курса влияет на вероятность кризиса рубля-маната, в то время как это явление может отрицательно/положительно повлиять на внешнеторговый баланс и может затруднить/облегчить импортирование ресурсов, товаров и услуг между странами. Это в свою очередь делает основательной задачу дальнейшего детального структурирования и анализа курсовых изменений RUB/AZN в условиях усиленных санкционных давлений против России, тем самым актуализируя развитие ретроспективной части исследования.

59-67 37
Аннотация

Целью исследования является развитие математических моделей, описывающих реакцию личности на появление стрессов различной природы, в том числе, и появляющихся при реализации образовательного процесса. Сложность разработки такой модели подтверждается отсутствием теоретических результатов обоснования классических экспериментов Холмса и Раэ по влиянию стрессов на личность. В связи с этим ставится задача разработки такой математической модели, которая позволила бы не только дать теоретическое объяснение экспериментальных результатов, применяемых в калькуляторе стрессов Холмса и Раэ, но и стать инструментом исследования влияния стрессов на личность в других условиях, в том числе и в процессе образовательной деятельности как преподавателя, так и обучаемого.

Метод исследования состоит в математическом описании процесса возникновения стрессов, развивающихся во времени, причем считается, что стрессы возникают в случайные моменты времени и характеризуются относительными величинами стрессов, указанными в классической таблице Холмса и Раэ. Необходимость привлечения этих результатов состоит в том, что они позволяют подтвердить соответствие разработанных теоретических математических моделей уже известным практическим результатам. В работе приняты следующие основные предположения. Считается, что личность подвергается стрессам, которые могут возникать в случайные локализованные моменты времени и интерпретируются как последовательность точек на временной оси, число и расположение которых является случайным. Реакция личности на отдельный стресс описывается убывающей экспоненциальной функцией трех аргументов – текущего времени, случайного времени появления стресса, и величиной стресса. Реакция личности на последовательность стрессов является суммой откликов личности на отдельные стрессы, т.е. предполагается, что личность проявляет свойства линейности. В процессе разработки математической модели обосновывается распределение числа случайных стрессов по закону Пуассона, который применяется для описания появления случайных событий с отчетливой дискретностью. В работе введен в рассмотрение один из ключевых показателей – коэффициент эмоциональной нагрузки, равный отношению математического ожидания повседневного стрессового фона и математического ожидания суммы этого фона и дополнительного стресса. Реакция личности на отдельный стресс описывается широко применяемой в естественнонаучных приложениях экспоненциальной функцией отклика. Вводится в рассмотрение суммарная относительная величина переработанных, пережитых, случайных относительных величин стресса, а также их неслучайных математических ожиданий.

Новыми результатами исследования являются: Разработка стохастической математической модели развития стрессов во времени в зависимости от входящих в модель параметров. Показано, что поведение реакции личности на стрессы, предсказанное математической моделью, соответствует упомянутым ранее опубликованным экспериментальным результатам. Исследование поведения во времени реакции личности на стрессы для ситуации, которая ранее не рассматривалась и в которой на личность воздействует единственный стресс большой интенсивности, а также регулярного эмоционального навязывания.

В заключении отмечается, что разработанная модель не только позволяет теоретически объяснить экспериментальные данные, но и значительно расширить рамки изучаемого влияния стресса на личность. Так, оказалось возможным предсказать влияние единичного воздействия, а также указать способ учета периодического преднамеренного воздействия (эмоционального подавления). Кроме того, результаты могут быть использованы при изучении эмоциональных стрессов в образовательном процессе с целью их предсказания и учета в практической деятельности. 



Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.