С развитием современных технологий увеличиваются потоки самой разнообразной информации как отдельного человека, так и в целом для общества. Но как она отражает социально-экономическую ситуацию, насколько верна и честна, что может показать, можно ли ей верить? Одним из источников информации с давних времен является статистика – ведь с ее помощью общество можно узнать и прошлое, и настоящее, и построить прогнозы. Предлагаем ученым, сотрудникам Росстата, всех заинтересованных в развитии статистики лиц принять участие в обсуждении места статистики в нашей жизни.

Цель исследования. Анализ инфляционных факторов, связанных с рынком труда и занятостью, обычно ограничивается исследованием взаимосвязи индекса потребительских цен и кривой Филлипса. Поэтому в исследовании изучается потенциальное воздействие более широкого круга показателей рынка труда и занятости на инфляционные процессы в российской экономике. Цель работы – выявление и оценка связей между безработицей, с одной стороны, и показателями рынка труда, занятости, доходов населения в национальной экономике России.

Материалы и методы. В исследовании использована авторская гипотеза о возможности влияния на инфляцию не только безработицы, но и других индикаторов рынка труда, таких, как доля неформальной занятости или средняя продолжительность рабочего времени в течение недели. Также изучалось влияние рынка труда не только на индекс потребительских цен, но и на базовый индекс потребительских цен (очищенный от влияния сезонных и административных факторов). Использованы ежемесячные данные Федеральной службы государственной статистики РФ за 2016–2020 гг. по России в целом. Применялся стандартный аппарат поиска и измерения причинно-следственных связей (матрицы парных коэффициентов корреляции, регрессионный анализ).

Результаты. В краткосрочном периоде уровень участия в рабочей силе и экономическая активность имеют положительную связь с инфляцией, поскольку они еще ниже того уровня, который мог бы вызывать инфляционное давление (согласно полиному второго порядка). В 2017–2018 гг. на инфляцию положительно влияли величина номинальной начисленной заработной платы и среднее количество часов, отработанных за неделю. Проявилось традиционное влияние доходов населения, совокупного спроса на инфляцию. Но оно было незначительным (до 10 % дисперсии инфляции). Такой эффект возникает лишь в те годы, когда нет более мощных инфляционных факторов. Следовательно, инфляция издержек была довольно ограниченной. В краткосрочном периоде в отдельные годы существует также некоторая положительная зависимость между удельным весом занятых в неформальном секторе и индексом потребительских цен. Рост инфляционного налога на бизнес, не обладающий рыночной властью, вынуждает нанимать большую часть работников неофициально. В долгосрочном периоде увеличение уровня участия в рабочей силе, объясняет часть дисперсии базового индекса потребительских цен (но не связано с общим индексом потребительских цен). При увеличении экономической активности и доходов население приобретает более широкий круг товаров, цены на которые не являются сезонными и не регулируются административно.

Заключение. В целом факторы рынка труда и доходов населения не являются в российской экономике определяющими для инфляции, но объясняют некоторую часть изменений. В перспективе возможно построение более точных моделей, в которых такие показатели, как уровень предложения труда могут занять определенное место рядом с основными инфляционными факторами. Выводы исследования могут быть использованы при принятии решений в сфере регулирования рынка труда во взаимосвязи с денежно-кредитной политикой.

Факторинг достаточно новый для России способ финансирования специализированными компаниями или кредитными учреждениями и их подразделениями (Факторами) кредиторской и дебиторской задолженностей бизнес-структур под уступку ими прав требований к одной из сторон (покупатель или продавец) сделки «купли-продажи» продукции или имущества третьей стороне (Фактору) развивается в настоящее время высокими темпами. В среднем по выборочным данным за 2011–2019 гг. ежегодный темп прироста объемов финансирования кредиторских и дебиторских задолженностей компаний в России за счет факторинговых операций возрастал на 20%, что в абсолютном выражении составляло 303,3млрд руб., и достиг к 2019 году 3,5 трлн руб.

Однако, до сих пор в Гражданском кодексе РФ нет сложившегося определения данной экономической категории. В научной и учебной иностранной и отечественной литературе есть несколько противоречивые толкования классификаций видов факторинга, нет законодательно установленной системы статистических показателей, характеризующей данный сегмент рынка услуг финансового посредничества. Отсутствие развитой нормативно-правовой базы регулирования отношений на данном сегменте рынка тормозит его развитие, вызывает необходимость совершенствования и российского законодательства, и методологического обеспечения комплексного статистического анализа состояния и развития данного сегмента рынка.

В связи с этим целью настоящего исследования является разработка методики комплексного статистического анализа сегмента рынка услуг финансового посредничества, определение сложившихся видовых, отраслевых, территориальных, связанных с масштабом бизнеса участников договора факторинга пропорций на данном сегменте рынка с помощью статистической методологии анализа рядов динамики и атрибутивных группировок основных показателей, характеризующих состояние и развитие российского рынка факторинга. На основании проведенного теоретического анализа дана авторская трактовка содержания экономической категории «факторинг», предложена система показателей, характеризующих факторинг как вид услуг финансового посредничества (объект исследования), опирающаяся на разработки Ассоциации факторинговых компаний, Росстата, экспертных агентств (например, «Эксперт РА»); выявлены особенности формирования статистических группировок (рядов: атрибутивных, вариационных, динамики) для различных целей анализа рынка услуг факторинга, представлена авторская методика комплексного статистического анализа любого сегмента рынка услуг финансового посредничества, составляющая предмет исследования. Приведены результаты апробации методики комплексного статистического анализа российского рынка факторинга по выборочным данным за 2011–2019 гг., сделаны выводы о динамике основных показателей развития рынка факторинга, о структурных сдвигах и изменениях пропорций на данном сегменте рынка, построен прогноз ожидаемых изменений на рынке факторинга России на 2021 год, в т.ч. и под влиянием пандемии Covid-19. Результаты данного исследования направлены на разработку методологии комплексного статистического анализа факторинга как сегмента рынка услуг финансового посредничества, в т. ч. и для целей международных сопоставлений показателей состояния и развития деятельности Факторов и их клиентов.

Они могут быть полезны профессиональному сообществу факторинговых компаний (Факторов), бизнес-структурам – потребителям услуг факторинга, а также использоваться в образовательной деятельности при подготовке специалистов финансового профиля в экономических вузах страны.

Введение. В статье приводится методика кластеризации и группировки показателей деятельности университетов для построения интегрального рейтинга регионов России по уровню вовлечённости университетов в региональное инновационное развитие. Рассмотрены следующие проблемы, требующие управленческого воздействия государственных структур: роль научно-исследовательской базы региональных университетов в укреплении инновационного потенциала регионов, степень вовлечённости университетов в инновационное региональное пространство.

Цель исследования – разработка системы рейтингования регионов России по степени вовлечённости университетов в инновационное развитие с использованием математического инструментария и интеллектуальной системы обработки данных.

Гипотеза статьи – существование связи регионального инновационного развития с результативностью университетского вклада.

Математический подход предполагает рассмотрение и многомерное ранжирование основных групп показателей деятельности университетов с целью получения кластерных классификаций в рамках каждой из поставленных проблем. Решение проблем состоит в построении барометра инновационной активности в виде многоцелевого проблемно-ориентированного рейтинга.

Материалы и методы. Применён подход, включающий оценку и многомерное ранжирование вклада университетов с использованием групп интегральных индексов, созданных на основании агрегирования нескольких важных показателей деятельности вуза. Вычислительные эксперименты проведены по данным Минобрнауки для регионов России и региональных вузов.

Рассмотрено 16 показателей регионов России за 2016 год.

Результаты и дискуссия. Выполнено ранжирование и сопоставление вузов по степени вовлечённости в инновационное развитие региона с использованием индикаторной модели и агрегирования в зависимости от целевой проблемы. Получены количественные показатели качества деятельности вузов по регионам, позволяющие получить интегральный рейтинг российских регионов по уровню вовлечённости университетов. В отличие от других подходов, авторский метод включает три составляющих, которые являются самостоятельными интегральными индексами и указывают на уровень вовлечённости университетов в региональное инновационное развитие. Выполнена обработка статистических данных по ведущим показателям российских вузов за 2016 год. Авторская методика Наука – модель с тремя факторами – модель с перегруппировкой, названная автором А-В-С, показала высокий потенциал вузов России по сбалансированности востребования научных центров вузов на региональном уровне в региональном управлении наукой и инновациями.

Заключение. Результаты исследования сопоставлены с рейтингами известных агентств. Автор надеется, что в скором времени в России появится надёжная наукометрическая система на уровне рейтингования вузов по их вовлечённости в инновационное развитие России, такой рейтинг будет бесспорным аргументом в пользу финансирования региональных вузов. Автор заложил высокое требование: соответствие трём моделям, только в таком случае региональные вузы могут получить финансирование из муниципалитета, после перераспределения от центра. При этом необходимо тщательно выбирать вузы, в которых проекты получат развитие и перспективу. Региональные органы власти должны выполнить требования для получения необходимых инвестиций в перспективные проекты. Научный потенциал и востребованность теоретических исследований для их полноценного применения на всех предприятиях, соединение сфер теоретической науки и практического внедрения позволят снизить затраты на содержание устаревших технологий во всех областях знаний и задействовать опыт старших поколений и силы молодёжи для развития высокотехнологичного производства в России. Поэтому результаты исследования будут полезны федеральным органам власти и финансово-кредитным организациям, осуществляющим финансирование.

Цель исследования. На основе построения многофакторной эконометрической модели выявить факторы дифференциации доходов населения. В соответствии с целью, поставлены следующие задачи: 1) предложить типологию факторов дифференциации доходов домохозяйств; 2) на основе корреляционного анализа оценить тесноту связи между среднедушевыми доходами населения и теми, статистическими показателями, которые в максимальной степени отражают уровень формирования, содержание и характер влияния факторов дифференциации доходов домохозяйств; 3) с помощью алгоритма пошагового регрессионного анализа построить эконометрическую модель для количественной оценки зависимости между факторами дифференциации доходов и доходами населения.

Материалы и методы. В процессе подготовки статьи авторами использована информация сайта Федеральной службы государственной статистики, аналитические статистические материалы, научные труды российских и зарубежных ученых. В работе были использованы следующие методы: метод системного анализа (для разработки типологии факторов дифференциации доходов домохозяйств); метод экономико-математического моделирования (при построении эконометрической модели для количественной оценки зависимости между факторами дифференциации доходов и доходами населения).

Результаты. Была осуществлена классификация факторов дифференциации доходов домохозяйств по трем признакам: уровень формирования, содержание и характер влияния факторов. Сформированы четыре группы статистических показателей, которые в максимальной степени характеризуют факторы дифференциации доходов. Анализ коэффициентов корреляции свидетельствуют о наличии тесной связи между среднедушевыми доходами населения регионов Российской Федерации и преобладающим большинством статистических показателей. Оценка статистической значимости коэффициентов регрессии позволила выявить те показатели, с которыми у показателя среднедушевых доходов населения наблюдается значимая количественная зависимость, а именно: оборот розничной торговли на душу населения; объем бытовых услуг на душу населения; среднемесячная номинальная начисленная заработная плата; величина прожиточного минимума. Это позволило построить четырехфакторную эконометрическую модель.

Заключение. Предложена типология факторов дифференциации доходов домохозяйств, которая объединяет в себе такие классификационные признаки как: уровень формирования, содержание и характер влияния факторов. Отобраны и сгруппированы по соответствующему признаку непосредственно те статистические показатели, которые в максимальной степени отражают уровень формирования, содержание и характер влияния ранее рассмотренных факторов дифференциации доходов на уровень доходов населения. На основе корреляционного анализа проведена оценка тесноты связи между среднедушевыми доходами населения и статистическими показателями, отражающими факторы дифференциации доходов. С помощью алгоритма пошагового регрессионного анализа была построена многофакторная эконометрическая модель, которая позволила выявить количественную зависимость между факторами дифференциации доходов и среднедушевыми доходами населения.

Анализ динамики показателей использования информационно-коммуникационных технологий в организациях позволяет определить скорость и интенсивность цифровой трансформации экономики. В предыдущих исследованиях количественная оценка динамики использования информационно-коммуникационных технологий в организациях осуществлялась по ограниченному кругу показателей в краткосрочном периоде. В данном исследовании анализ динамики наличия и использования ИКТ в организациях производился по более широкому кругу показателей в долгосрочном периоде, что позволило определить закономерности цифровой трансформации и стадию цифровой зрелости экономики.

Цель исследования. Целью данного исследования является анализ тенденций цифровой трансформации экономики Российской Федерации. Для достижения поставленной цели были рассчитаны показатели скорости и интенсивности уровня использования ИКТ в деятельности организаций по отдельным видам технологий.

Материалы и методы. Анализ динамики использования информационно-коммуникационных технологий в организациях производился по показателям, которые характеризуют: наличие доступа в Интернет, наличие систем автоматизации бизнес-процессов, наличие средств для обмена информацией в электронном виде, а также использование Интернета для осуществления торговли в электронном виде. Информационной базой исследования выступили данные обследований Федеральной службы государственной статистики. Показатели представлены в годовой периодичности за 2005-2019 гг. по Российской Федерации.

Результаты. В результате исследования было выявлено, что особенностью текущего этапа цифровой зрелости организаций является достижение пределов распространения Интернета. За 2010-2019 гг. средний темп ежегодного прироста удельного веса организаций, использующих Интернет, составил 1,1%. Одним из основных направлений цифровой трансформации является оптимизация деятельности организаций посредством автоматизации бизнес-процессов. Однако потенциал автоматизации реализован неравномерно по ряду направлений. Доля организаций, использующих CRM, ERP, SCM – системы, увеличилась в 2,7 раза за 2010-2019 гг. и составила 20,5%. При этом доля организаций, использующих электронный документооборот, увеличилась на 13% за тот же период и составила 70% в 2019 году. Кроме того, на текущем этапе цифровой зрелости организации проявляют высокий уровень участия в электронной торговле. Увеличился уровень вовлеченности организаций в электронную торговлю. В большей степени это коснулось осуществления платежей в электронной форме. Рост доли организаций, осуществляющих размещение заказов на товары и услуги составил 23,7%, а доли организаций, которые производят расчеты с поставщиками заказанных товаров и услуг – на 93%. Расширилась экономическая деятельность, осуществляемая при помощи цифровых технологий, возросла роль информации и ценность данных, что отразилось на динамике показателей, характеризующих использование Интернета для обмена электронной продукцией.

Заключение. С точки зрения практического применения результаты анализа могут быть использованы в исследованиях, посвященных моделированию и прогнозированию тенденций цифровой трансформации по рассмотренным показателям использования ИКТ в организациях в целях осуществления более глубокого и всестороннего изучения характера динамики и закономерностей развития цифровой трансформации.