Исследование влияния отраслевой структуры российских регионов на их экономическое развитие с использованием методов искусственного интеллекта

Статья опубликована в журнале:  Экономический анализ: теория и практика, 2025, № 2, С. 123-143

Автор(ы): Малкина М.Ю. / Плехова Ю.О. / Перова В.И. / Сочков А.Л.

Рубрика: ИННОВАЦИИ

Аннотация

Предмет. Влияние отраслевой структуры экономик российских регионов на уровень их экономического, инновационного и цифрового развития с точки зрения достижения национальной цели «Технологическое лидерство» и обеспечения экономической безопасности страны.

Цели. Проведение кластеризации российских регионов с использованием методов искусственного интеллекта на основе данных официальной статистики о доле укрупненных отраслей в ВРП региона и масштабе экономики региона; установление связи выявленных кластерных образований со средними (для входящих в них регионов) показателями экономического развития, инновационной и цифровой активности.

Методология. Кластерный анализ проводился с применением нового перспективного методологического подхода – метода машинного обучения, составляющего одну из значимых частей искусственного интеллекта. Сравнивались результаты двух основных процедур кластеризации: иерархического кластерного анализа и метода К-средних. С помощью критерия индекса силуэта установлено, что лучший результат показал метод К-средних, который распределил субъекты РФ на семь кластеров. Проведен отбор частных показателей для оценки уровня экономического развития, инновационной и цифровой активности в кластерах. Рейтинги регионов по трем группам показателей формировались с использованием методов нормирования (метода Z-счета) и агрегирования частных показателей.

Результаты. Определена архитектура каждого кластерного образования, рассчитаны средние значения рассматриваемых индикаторов в кластерах. Шесть из семи выявленных кластеров имеют ярко выраженную отраслевую специализацию: сельское хозяйство, охота и рыболовство; добыча полезных ископаемых; обрабатывающие производства, обеспечение энергией, паром и водой; строительство и деятельность по операциям с недвижимостью; торговля, транспортировка и хранение; госуправление, военное и социальное обеспечение. Седьмой кластер оказался наиболее диверсифицированным, его отраслевая структура близка к отраслевой структуре российской экономики в целом. По каждой группе показателей развития (экономического, инновационного, цифрового) выявлены кластеры-лидеры и кластеры-аутсайдеры. Лидером общего рейтинга оказался кластер, в который вошли два столичных мегаполиса.

Выводы. Показано применение перспективного подхода к исследованию отраслевой структуры в субъектах Российской Федерации, основанного на машинном обучении и методах искусственного интеллекта. Подтверждена гипотеза о связи отраслевой структуры экономик российских регионов с уровнем их экономического развития, инновационной и цифровой активности. Полученные результаты кластеризации можно использовать при формировании цифровых двойников регионов Российской Федерации для установления их общих характеристик развития и прогнозирования социально-экономических показателей.

Ключевые слова: технологическое лидерство, отраслевая структура, кластерный анализ, искусственный интеллект, инновационная активность