- Код статьи
- S042473880022737-9-
- DOI
- 10.31857/S042473880022737-9
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том 59 / № 2
- Страницы
- 54-67
- Аннотация
-
В статье представлен анализ последствий экономической нестабильности, вызванной пандемией COVID‑19, для социально‑экономического развития региона. Исследование проводилось на примере Свердловской области по данным Федеральной службы государственной статистики. В статье поставлены и решены три задачи исследования. Во‑первых, оценить, насколько в общем изменилось социально‑экономическое состояние региона в результате пандемии COVID‑19. Во‑вторых, выявить влияние пандемии COVID‑19 на характер и структуру взаимосвязей между социально‑экономическими показателями региона. В‑третьих, проанализировать влияние пандемии COVID‑19 на тенденции социально‑экономических показателей региона с учетом их возможного запаздывания и сезонного колебания. Первая задача решается с помощью статистических методов распознавания образов, вторая задача — методами многомерного корреляционного анализа. Для решения третьей задачи использованы стохастические модели временных рядов. Наибольший вклад в разделение на кластеры оказало число родившихся, оборот общественного питания и объем товаров, работ и услуг, выполненных собственными силами; в их динамике наиболее явно прослеживается влияние пандемии COVID‑19 в Свердловской области. Многомерный корреляционный анализ позволил установить, что в результате введения ограничительных и поддерживающих мер сформировались разнонаправленные тенденции динамики социально‑экономических показателей региона, которые нарушили ранее сложившиеся взаимосвязи между ними. Исходя же из полученных коэффициентов авторегрессионной модели, можно обнаружить некоторую закономерность, заключающуюся в росте влияния краткосрочных (лаг 1 и 3 месяца) и в уменьшении влияния долгосрочных (лаг 12 месяцев) изменений показателей. Согласно полученным расчетам экономике Свердловской области за анализируемый не удалось преодолеть дестабилизирующее влияние последствий пандемии COVID‑19.
- Ключевые слова
- пандемия, COVID‑19, социально‑экономическое развитие, экономическая нестабильность, регион, дискриминантный анализ, многомерный корреляционный анализ, авторегрессия
- Дата публикации
- 02.07.2023
- Год выхода
- 2023
- Всего подписок
- 12
- Всего просмотров
- 381
Библиография
- 1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. (1989). Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика. 607 с.
- 2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. (1985). Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика. 487 с.
- 3. Васиев М., Би К., Денисов А., Бочарников В. (2020). Влияние пандемии covid-19 на устойчивость экономики Китая // Форсайт. Т. 14. № 2. С. 7-22.
- 4. Вероятность и математическая статистика: Энциклопедия / Гл. ред. Ю.В. Прохоров. М.: Большая Российская энциклопедия. 910 с.
- 5. Вучков И., Бояджиева Л., Солаков Е. (1987). Прикладной линейный регрессионный анализ / пер. с болг. М.: Финансы и статистика. 239 с.
- 6. Голованов О.А., Тырсин А.Н., Васильева Е.В. (2022). Оценка влияния пандемии COVID‑19 на тренды социально-экономического развития региона России: кейс Свердловской области // Journal of Applied Economic Research. Т. 21. № 2. С. 257-281. DOI: 10.15826/vestnik.2022.21.2.010.
- 7. Демиденко Е.З. (1981). Линейная и нелинейная регрессия. М.: Финансы и статистика. 302 с.
- 8. Лукашин Ю.П. (2003). Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика. 416 с.
- 9. Мау В.А. (2020a). Экономика и политика 2019-2020 гг.: глобальные вызовы и национальные ответы // Вопросы экономики. № 3. С. 5-27. DOI: 10.32609/0042-8736-2020-3-5-27
- 10. Мау В.А. (2020b). Экономика непредсказуемого: на пути к новой парадигме Образовательная политика. № 1 (81). С. 8-12.
- 11. Омельяновский В.В., Авксентьева М.В., Деркач Е.В., Свешникова Н.Д. (2011). Анализ стоимости болезни проблемы и пути решения // Педиатрическая фармакология. Т. 8, №3. С. 6-12.
- 12. Онищенко Г.Г., Сизикова Т.Е., Лебедев В.Н., Борисевич С.В. (2022). Вариант “омикронˮ вируса SARS-COV-2 как доминантный агент нового подъёма заболевания в условиях пандемии COVID-19 // Вестник Российской академии наук. Т. 92. № 7. С. 636-646. DOI: 10.31857/S0869587322070131.
- 13. Смирнов Е.Н. (2020). «Мировая экономика коронавируса»: поиск оптимальных путей преодоления последствий кризиса // Вестник МГИМО-Университета. №13(3). С. 243-266 DOI: 10.24833/2071-8160-2020-3-72-243-266.
- 14. Тырсин А.Н. (2005). Метод обнаружения полиномиального тренда временного ряда // Обозрение прикладной и промышленной математики. Т. 12. № 2. С. 533-534.
- 15. Тырсин А.Н. (2022). Скалярная мера взаимосвязи между несколькими случайными векторами // Заводская лаборатория. Диагностика материалов. Т. 88. № 3. С. 73–80. DOI: 10.26896/1028-6861-2022-88-3-73-80.
- 16. Тырсин А.Н., Голованов О.А. (2021). Динамическое регрессионное моделирование на основе градиентного спуска по узловым прямым // Современные наукоемкие технологии. № 10. С. 88-93. DOI 10.17513/snt.38859.
- 17. Ханин Г.И. (2019). Итоги экономического развития РФ в 1 квартале 2019 года: экономический кризис усиливается // Вопросы регулирования экономики. Т. 10, №2. С. 64-71. DOI: 10.17835/2078-5429.2019.10.2.064-071.
- 18. Цветков В.А., Дудин М.Н. (2020). Пандемия COVID-19 как угроза продовольственной и экономической безопасности страны // Экономика и управление. №26(4). С. 334-344. DOI: 10.35854/1998-1627-2020-4-334-344.
- 19. Цухло С.В. (2021). Адаптация российской промышленности к кризису 2020 г. // Экономическое развитие России. Т. 28, №10. С. 16-18.
- 20. Шмат В. (2022). Экономический рост или гармоничное социально-экономическое развитие? Часть I. Теоретико-методический взгляд. // ECO. №52(6). С. 89-110. DOI: 10.30680/ECO0131-7652-2022-6-89-110.
- 21. Эсбенсен К. (2005). Анализ многомерных данных. Избранные главы: пер. с англ. Черноголовка: Изд-во ИПХФ РАН. 160 с.
- 22. Ягудина Р.И., Зинчук И.Ю., Литвиненко М.М. (2012). Анализ «Стоимости болезни»: виды, методология, особенности проведения в Российской Федерации // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. Т. 5, №1. С. 4-9.
- 23. Box G.E.P., Jenkins G.M., Reinsel G.C., Ljung G.M. (2015). Time Series Analysis: Forecasting and Control. 5th ed. Hoboken, NJ, US: Wiley. 712 p.
- 24. Brahmbhatt M., Dutta A. (2008). On SARS Type Economic Effects During Infectious Disease Outbreaks. World Bank Policy Research Working Paper. No. 4466. Режим доступа: https://ssrn.com/abstract=1081740.
- 25. Hardle W.K., Simar L. (2019). Applied Multivariate Statistical Analysis. 5th.ed. Springer. 558 p.
- 26. Jonung L., Roeger W. (2006). The Macroeconomic Effects of a Pandemic in Europe – a Model-Based Assessment. DOI: 10.2139/ssrn.920851.
- 27. Pena D., Rodriguez J. (2003). Descriptive Measures of Multivariate Scatter and Linear Dependence // Journal of Multivariate Analysis. Vol. 85. No 2. P. 361-374. DOI: 10.1016/S0047-259X(02)00061-1
- 28. Suhrcke M., Rocco L., McKee M., Mazzuco S., Urban D., Steinherr A. (2008). Экономические последствия неинфекционных заболеваний и травм в российской федерации. ВОЗ. 97 с.
- 29. Ward J.D., Sutton P.C., Werner A.D., Costanza R., Mohr S.H., Simmons C.T. (2016). Is Decoupling GDP Growth from Environmental Impact Possible? // PLoS ONE №11(10). e0164733. DOI: 10.1371/journal.pone.0164733.
