+7(495) 989 9610
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Экономический анализ: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Исследование инновационного развития региональной экономики как императива устойчивого социально-экономического роста России с применением нейросетевого моделирования

Купить электронную версию статьи

т. 20, вып. 8, август 2021

Получена: 19.07.2021

Получена в доработанном виде: 25.07.2021

Одобрена: 04.08.2021

Доступна онлайн: 30.08.2021

Рубрика: Инновации

Коды JEL: С45, O30, R11

Страницы: 1394–1414

https://doi.org/10.24891/ea.20.8.1394

Любушин Н.П. доктор экономических наук, профессор кафедры экономического анализа и аудита, Воронежский государственный университет (ВГУ), Воронеж, Российская Федерация 
lubushinnp@mail.ru

https://orcid.org/0000-0002-4493-2278
SPIN-код: 2227-3764

Летягина Е.Н. кандидат экономических наук, доцент, заведующая кафедрой управления в спорте, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
len@fks.unn.ru

ORCID id: отсутствует
SPIN-код: 7221-4868

Перова В.И. кандидат физико-математических наук, доцент кафедры математического моделирования экономических процессов, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
perova_vi@mail.ru

ORCID id: отсутствует
SPIN-код: 3871-2450

Предмет. Исследование инновационного потенциала регионов РФ в соответствии с национальной целью развития Российской Федерации, отражающей достойный и эффективный труд.
Цели. Проведение исследования состояния инновационной деятельности в регионах Российской Федерации с помощью нейронных сетей в целях обеспечения прорывного инновационного развития российской экономики. В связи с этим рассмотрены данные Федеральной службы государственной статистики за 2019 г. и осуществлен анализ инновационной сферы развития региональной экономики России как императива устойчивого социально-экономического развития.
Методология. Применен эффективный метод исследования многомерных статистических данных, характеризующих инновационное развитие региональной экономики – кластерный анализ на базе нейросетевого моделирования с применением информационных технологий. Для проведения исследований были выбраны нейронные сети – самоорганизующиеся карты Кохонена, которые ориентированы на самостоятельное обучение и представляются перспективным средством кластеризации и визуализации многомерных статистических данных.
Результаты. Результатом нейросетевого моделирования явилось ранжирование 85 регионов Российской Федерации на пять компактных групп (кластеров) вне зависимости от их принадлежности к федеральным округам Российской Федерации. Показано, что прослеживается сильная дифференциация количества регионов в кластерах. Получены средние значения показателей в кластерах и проведено их сравнение с общероссийскими показателями. Оценена значимость каждого показателя при формировании кластеров.
Выводы. Исследование продемонстрировало аметрию инновационного развития регионов России, что требует различных стратегий развития региональной экономики. Прорывной социально-экономический рост в Российской Федерации связан с комплексом мер, которые предполагают стимулирование деятельности в области инноваций в регионах, характеризующихся различной инновационной активностью. Такие меры окажут содействие реальному сектору экономики в повышении его заинтересованности в использовании научных разработок, увеличении объема применения передовых производственных технологий, возрастании количества высокопроизводительных рабочих мест, что повлечет стимулирование социально-экономического роста и качества жизни населения.

Ключевые слова: инновационная деятельность, регионы Российской Федерации, кластерный анализ, нейронные сети, самоорганизующиеся карты Кохонена, Deductor

Список литературы:

  1. Макаров В.Л. Обзор математических моделей экономики с инновациями // Экономика и математические методы. 2009. Т. 45. № 1. С. 3–14. URL: Link
  2. Макаров В.Л., Айвазян С.А., Афанасьев М.Ю. и др. Моделирование развития экономики региона и эффективность пространства инноваций // Форсайт. 2016. Т. 10. № 3. C. 76–90. URL: Link
  3. Клейнер Г.Б., Мишуров С.С., Ерзнкян Б.А. и др. Инновационное развитие региона: потенциал, институты, механизмы: монография. Иваново: Ивановский государственный университет, 2011. 198 с.
  4. Ленчук Е.Б. Роль «новой индустриализации» в формировании инновационной экономики России // Институциональная среда «новой индустриализации» экономики России / под ред. Е.Б. Ленчук. М.: Институт экономики РАН. 2014. С. 12–43.
  5. Инновационное развитие: экономика, интеллектуальные ресурсы, управление знаниями / под ред. Б.З. Мильнера. М.: ИНФРА-М, 2013. 624 с.
  6. Валентей С., Бахтизин А., Кольчугина А. Готовность региональных экономик к модернизации // Федерализм. 2018. № 2. С. 143–157. URL: Link
  7. Силин Я.П., Анимица Е.Г., Новикова Н.В. Региональные аспекты новой индустриализации // Экономика региона. 2017. Т. 13. Вып. 3. С. 684–696. URL: Link
  8. Болдыревский П.Б., Кистанова Л.А. Оценка эффективности инновационной деятельности промышленных предприятий // Актуальные вопросы науки. 2014. № 12. С. 65–69.
  9. Летягина Е.Л., Перова В.И., Подольская А.М. Исследование развития цифровой экономики России с использованием методов искусственного интеллекта // Развитие и безопасность. 2021. № 1. С. 83–94. URL: Link
  10. Летягина Е.Н., Перова В.И. Нейросетевое моделирование региональных инновационных экосистем // Journal of New Economy. 2021. Т. 22. № 1. С. 71–89. URL: Link
  11. Яшин С.Н., Борисов С.А. Методологические подходы к определению рейтинга экономико-инновационного развития промышленных предприятий региона // Вопросы инновационной экономики. 2020. Т. 10. № 2. С. 819–836. URL: Link
  12. Дюк В.А., Флегонтов А.В., Фомина И.К. Применение технологий интеллектуального анализа данных в естественнонаучных, технических и гуманитарных областях // Известия Российского государственного педагогического университета им. А.И. Герцена. 2011. № 138. С. 77–84. URL: Link
  13. Hinton G.E., Salakhutdinov R.R. Reducing the Dimensionality of Data with Neural Networks. Science, 2006, vol. 313, iss. 5786, pp. 504–507. URL: Link
  14. Peng Lifang, Lai Lingling. A Service Innovation Evaluation Framework for Tourism E-Commerce in China Based on BP Neural Network. Electronic Markets, 2014, vol. 24, iss. 1, pp. 37–46. URL: Link
  15. Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
  16. Растунков В.С., Петров А.К., Панов В.А. Нейронные сети. Statistica Neural Networks: Методология и технология современного анализа данных. М.: Горячая линия – Телеком, 2008. 392 с.
  17. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. М.: ДИАЛОГ-МИФИ, 2001. 630 с.
  18. Kohonen Т. Self-Organized Formation of Topologically Correct Feature Maps. Bio1ogical Cybernetics, 1982, vol. 43, iss. 1, pp. 59–69. URL: Link
  19. Kaufman L., Rousseeuw P. Finding Groups in Data: An Introduction to Cluster Analysis. Hoboken, NJ, John Wiley & Sons, 2005, 342 p.
  20. Викулов С.Ф., Хрусталёв Е.Ю. Экономические основы военной безопасности России // Национальные интересы: приоритеты и безопасность. 2014. № 7. С. 2–9. URL: Link
  21. Бухвальд Е.М. Институты развития и национальная безопасность Российской Федерации // Развитие и безопасность. 2021. № 1. С. 16–28. URL: Link
  22. Сенчагов В.К., Иванов Е.А. Структура механизма современного мониторинга экономической безопасности России. М.: Институт экономики РАН, 2016. 71 с.
  23. Любушин Н.П., Бабичева Н.Э., Лылов А.И., Пуляхин Е.И. Экономический анализ влияния «больших вызовов» на устойчивость и непрерывность деятельности субъектов хозяйствования // Экономический анализ: теория и практика. 2020. Т. 19. Вып. 12. С. 2253–2275. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 20, вып. 8, август 2021

Другие номера журнала