+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Финансы и кредит»
 

Включен в перечень ВАК по специальностям

ЭКОНОМИЧЕСКИЕ НАУКИ:
5.2.1. Экономическая теория
5.2.3. Региональная и отраслевая экономика
5.2.4. Финансы
5.2.5. Мировая экономика
5.2.6. Менеджмент


ЭКОНОМИЧЕСКИЕ,
ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ:
5.2.2. Математические, статистические и инструментальные методы в экономике

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
LCCN Permalink
Google Scholar

Электронные версии в PDF

Eastview
eLIBRARY.RU
Biblioclub

Селекция региональных детерминант экономической безопасности

Купить электронную версию статьи

т. 28, вып. 12, декабрь 2022

Получена: 11.08.2022

Получена в доработанном виде: 06.09.2022

Одобрена: 04.10.2022

Доступна онлайн: 28.12.2022

Рубрика: Финансовая система

Коды JEL: C15, C38, E17, R13, R15

Страницы: 2825–2851

https://doi.org/10.24891/fc.28.12.2825

Граница Ю.В. кандидат экономических наук, доцент института экономики и предпринимательства, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
ygranica@yandex.ru

https://orcid.org/0000-0002-0304-9753
SPIN-код: 8872-0434

Предмет. Отбор информативных, значимых региональных детерминант экономической безопасности.
Цели. Исследование статистического и эконометрического инструментария отбора детерминант для классификации регионов по экономической безопасности. Построение классификаторов экономической безопасности.
Методология. Произведен отбор детерминант с применением методов фильтрации (на основе xи-квадрат, F-критерия, критерия информативности), последовательного отбора в обратном направлении, рекурсивного, исчерпывающего отборов и отбора на основе классификатора «случайный лес».
Результаты. Сформирована тренировочная выборка детерминант по 82 регионам России, построены классификаторы регионов по уровню экономической безопасности, произведено ранжирование детерминант по значимости. Точность созданных классификаторов находится в диапазоне от 78 до 93%. Выявлена значимость категориальных переменных, относящих регион к ресурсному, инвестиционному кластерам, а также к кластеру региональной прибыльности. Построена тепловая карта, отражающая степень линейной связи между уровнем экономической безопасности региона и региональными детерминантами.
Выводы. Наиболее значимой группой панельных индикаторов для определения экономической безопасности служит ресурсная обеспеченность. Ее уровень зависит от объема потребления и удельного веса товаров обрабатывающей промышленности в ВРП. Значимыми индикаторами в модели классификации регионов по уровню экономической безопасности служат расходы бюджета и величина задолженности на душу населения, инвестиционный риск и сальдированный финансовый результат. Дополнительной информативной переменной в классификаторе является уровень занятости. Указанные признаки обеспечивают точность 93%.

Ключевые слова: экономическая безопасность, отбор экономических детерминант, методы фильтрации, оберточные методы, регион

Список литературы:

  1. Шутаева Е.А., Побирченко В.В. Угрозы инвестиционной безопасности в контексте обеспечения экономической безопасности Российской Федерации // Национальные интересы: приоритеты и безопасность. 2018. Т. 14. Вып. 8. С. 1498—1513. URL: Link
  2. Ножкина Е.Б. Актуальные проблемы развития системы обеспечения инвестиционной безопасности // Вестник Саратовского государственного социально-экономического университета. 2017. № 5. С. 101—103. URL: Link
  3. Назаров А.И. Влияние инвестиционного климата на экономическую безопасность государства // Экономическая безопасность. 2019. Т. 2. № 3. С. 255—263. URL: Link
  4. Хадисов М.-Р.Б. Методики оценки уровня экономической безопасности региона. Сравнительный анализ // Национальные интересы: приоритеты и безопасность. 2015. № 33. С. 31—44. URL: Link
  5. Шаклеина М.В., Мидов А.З. Стратегическая типологизация регионов по уровню финансовой самостоятельности // Экономические и социальные перемены: факты, тенденции, прогноз. 2019. Т. 12. № 3. С. 39—54. URL: Link
  6. Губанова Е.С., Москвина О.С. Методологические аспекты оценки инвестиционно-инновационного потенциала региона // Экономические и социальные перемены: факты, тенденции, прогноз. 2020. Т. 13. № 2. С. 41—55. URL: Link
  7. Малкина М.Ю., Балакин Р.В. Налоговая система Российской Федерации и ее характеристики: монография. М.: ИНФРА-М, 2019. 127 с.
  8. Печенская М.А. Бюджетный потенциал в системе потенциалов территории: теоретико-методологические аспекты // Экономические и социальные перемены: факты, тенденции, прогноз. 2018. Т. 11. № 5. С. 61—73. URL: Link
  9. Масленников Д.А., Митяков С.Н., Катаева Л.Ю., Федосеева Т.А. Выявление особенностей стратегического развития регионов на основе статистического анализа индикаторов // Экономика региона. 2019. Т. 15. Вып. 3. С. 707—719. URL: Link
  10. Бекларян Г.Л. Система поддержки принятия решений для устойчивого экономического развития Дальневосточного федерального округа // Бизнес-информатика. 2018. № 4. С. 66—75. URL: Link
  11. Лещенко Ю.Г. Инновационный вектор в системе экономической безопасности России // Вопросы инновационной экономики. 2019. Т. 9. № 2. С. 301—316. URL: Link
  12. Румянцев А.А. Научно-инновационная деятельность в регионе как фактор его устойчивого экономического развития // Экономические и социальные перемены: факты, тенденции, прогноз. 2018. Т. 11. № 2. С. 84—99. URL: Link
  13. Беляничев В.Г., Савдерова А.Ф. Оценка влияния инвестиций в основной капитал на объем валового регионального продукта // Oeconomia et Jus. 2019. № 1. URL: Link
  14. Синельникова-Мурылева Е.В., Горшкова Т.Г., Макеева Н.В. Прогнозирование дефолтов в российском банковском секторе // Экономическая политика. 2018. Т. 13. № 2. URL: Link
  15. Галазова С.С. Влияние ESG-факторов на устойчивое развитие компаний и финансовую результативность корпоративного сектора // Вестник Ростовского государственного экономического университета. 2018. № 4. С. 81—86. URL: Link
  16. Ерохин С.Д., Борисенко Б.Б., Мартишин И.Д., Фадеев А.С. Анализ существующих методов снижения размерности входных данных // T-Comm. 2022. Т. 16. № 1. С. 30—37. URL: Link
  17. Гареев М.Ю. Использование методов машинного обучения для прогнозирования инвестиций в России // Деньги и кредит. 2020. № 1. С. 35—56. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8709 (Online)
ISSN 2071-4688 (Print)

Свежий номер журнала

т. 30, вып. 10, октябрь 2024

Другие номера журнала