В статье рассматриваются методологические подходы к организации и проведению комплексного статистического мониторинга разработки и применения технологий искусственного интеллекта (ИИ). Актуальность темы обусловлена высокой значимостью технологий ИИ для экономики и общества и признанием их одними из ведущих технологий текущего десятилетия в России и мире. Для комплексной оценки развития ИИ необходима надежная и апробированная методология исследования.

На основе анализа существующих подходов к наблюдению за ИИ, включая тематику исследований, доступные источники и методы получения данных, применяемых в международной и отечественной практике, разработаны понятийный аппарат, классификаторы технологий ИИ и связанных с ними товаров и услуг, концептуальная модель мониторинга и система показателей. Предложенный подход к ведению мониторинга был апробирован в 2023–2024 гг. в ходе специализированных обследований организаций и вузов. Новый инструментарий сбора сведений об ИИ внедрен в практику федерального статистического наблюдения.

По мнению авторов, реализация мониторинга позволит получать количественные и качественные характеристики создания, распространения и перспектив развития технологий ИИ в отраслях экономики и социальной сферы, а также оценивать эффекты от их внедрения.

В статье анализируется динамика результативности российских банков за период с 2012 по 2021 г. Для оценки эффективности финансовых организаций применен параметрический метод анализа стохастической границы (SFA). В рамках исследования рассмотрены различные аспекты деятельности банков, включая кредитование, привлечение депозитов и управление издержками.

Для углубленного анализа и получения оценок на более однородных выборках все банки были разделены на пять групп по размеру активов. Оценка моделей эффективности проводилась отдельно для каждой группы и года, что позволило отследить изменения между группами и во времени. Основной вывод исследования заключается в том, что за рассматриваемый период наблюдалось общее снижение эффективности банковской деятельности. Этот факт может быть связан с динамикой ключевой процентной ставки, а именно со смягчением денежно-кредитной политики (в периоды более высоких ставок банки вынуждены работать с высокой результативностью). Сохранить эффективность по привлечению депозитов удалось только группе из пяти крупнейших банков, что, вероятно, обусловлено высоким уровнем доверия клиентов и относительно легким доступом этих организаций к средствам вкладчиков.

Уровень эффективности в управлении издержками оказался в целом выше, при этом наиболее успешными показали себя крупные банки. Результаты исследования и полученные оценки могут быть полезны как для государственных органов управления и надзора за банковской деятельностью, так и для самих банков и их контрагентов.

Статья посвящена анализу предикторов заработной платы на основе данных о вакансиях, публикуемых в открытом доступе на интернет-портале федеральной государственной информационной системы Федеральной службы по труду и занятости «Работа России». Рассматривается вопрос о том, какие детерминанты вакансий определяют уровень заработной платы и делают их наиболее высокооплачиваемыми на рынке труда. Для их выявления автор использует метод машинного обучения «случайный лес».

Качество прогноза методом случайного леса оценивается путем применения показателя средней абсолютной ошибки, который является лучше интерпретируемым в контексте используемой шкалы зависимой переменной. Помимо этого, рассчитаны значения средней квадратичной ошибки и оценки коэффициента детерминации, показывающего долю дисперсии зависимой переменной, объясненной предикторами. Для повышения точности модели проведена настройка гиперпараметров с помощью алгоритма RandomizedSearchCV, позволяющего выбрать из большого множества вариантов наилучшие.

Результаты исследования показали, что в наибольшей мере на размер заработной платы влияет такая характеристика вакансий, как «регион, в котором открыта вакансия», и в относительно меньшей степени (но также существенно) – признаки «профессиональная сфера» и «график работы». Полученные выводы могут быть полезны для понимания факторов формирования конкурентной заработной платы и реализации эффективных мер поддержки на рынке труда.

В статье изложены результаты исследования дифференциации уровня жизни городского и сельского населения как одной изпричин возникновения внутренней и межрегиональной миграции. По мнению авторов, это является важным аспектом в понимании причин миграции и служит косвенным показателем уровня социально-экономического развития территории и потенциальных перспектив развития.

Для изучения различий в уровне жизни был проведен сравнительный анализ показателей двух временных интервалов (2016 и 2022 гг.) на примере Тамбовской области, которая среди регионов Центрального федерального округа выделяется своей значительной долей сельского населения и специализируется на сельскохозяйственном производстве.

Первый этап исследования позволил получить оценку социально-экономической ситуации в городах и селах региона. Далее была разработана система показателей, отражающих уровень жизни населения, и рассчитан интегральный индекс уровня жизни населения муниципальных образований региона. Этот показатель позволяет объективно оценить степень дифференциации территорий по уровню жизни населения.

На основе разработанной системы показателей проведен многомерный статистический анализ, позволивший сделать вывод о повышении уровня жизни сельского населения Тамбовской области за период 2016–2022 гг. Во многом это обусловлено мероприятиями по реализации Доктрины продовольственной безопасности Российской Федерации, благодаря которой активно развивается сельское хозяйство, что создает предпосылки для роста уровня жизни населения в регионе.

В статье рассматриваются перспективы развития цифрового и IT-предпринимательства в России, выявляются ключевые факторы успеха и рисков, предлагаются рекомендации для поддержки инновационных инициатив и увеличения вклада отрасли в национальную экономику.

Исследуется влияние информационно-коммуникационных технологий (ИКТ) на формирование валового внутреннего продукта (ВВП) посредством факторного анализа. Использование аналитического подхода обеспечивает создание эффективной прогностической модели, необходимой для принятия обоснованных управленческих решений, направленных на поддержку и дальнейшее развитие цифровой экономики России.

Проведенные исследования позволили установить зависимость вклада ИКТ в ВВП от уровня информатизации и цифровизации организаций, распространения и использования цифровых технологий и телекоммуникаций, цифровой трансформации и инновационного развития экономики и общества. На основе выполненного анализа построен прогноз, согласно которому вклад ИКТ в ВВП продолжит увеличиваться, однако темпы роста будут замедляться, что подчеркивает необходимость регулярного мониторинга и своевременной реакции на изменения внешней среды и внутриотраслевых факторов. Результаты исследования показали, что основным источником роста вклада ИКТ в ВВП являются высокие объемы инвестиций в цифровую экономику и активное развитие инноваций.

Важнейшими направлениями дальнейшей работы становятся улучшение системы сбора статистических данных, совершенствование методов оценки результатов реализации государственных программ и повышение прозрачности финансирования инновационных проектов.

Исследование посвящено изучению производственной функции с постоянной эластичностью замещения (Constant Elasticity of Substitution – CES), в частности ее предельного варианта – производственной функции Кобба – Дугласа с эластичностью замещения факторов производства, равной единице. Во многих работах предположение о единичной постоянной эластичности замещения факторов производства ставится под сомнение и отмечается, что оценки варьируются в зависимости от особенностей исследуемой экономики, горизонта анализа и могут быть как значимо ниже, так и выше единицы.

Целью исследования является проверка гипотезы о возможности применения производственной функции Кобба – Дугласа для моделирования экономических процессов в Российской Федерации на региональном уровне. Рассматривается производственная функция CES, которая зависит от двух факторов – труда и капитала (с учетом нейтральности научно-технического прогресса по Хиксу). Проверка предположения о равенстве постоянной эластичности замещения факторов производства единице осуществляется на основе использования размещенной на сайте Росстата статистической информации по 80 субъектам Российской Федерации за период с 2010 по 2022 г. Методология включает панельный анализ данных для определения эластичности замещения между трудом и капиталом, а также применение моделей пространственной эконометрики, которые позволяют учитывать связи между регионами и минимизировать смещение оценок из-за межрегиональных пространственных эффектов.

Результаты оценивания моделей панельных данных с включением пространственных эффектов и контрольных переменных не отвергают выдвинутую гипотезу и свидетельствуют о возможности применения производственной функции Кобба – Дугласа для моделирования экономического развития российских регионов.

В статье обосновывается целесообразность и применимость степенных моделей, включая трехпараметрические модели «ранг-размер», для анализа распределения численности работников организаций и связанных с ней социально-экономических показателей городов Российской Федерации. Используя данные муниципальной статистики по городским округам, выполнена оценка соответствующих трехпараметрических моделей Ципфа – Парето – Мандельброта для каждого года периода 2021–2023 гг. Это позволило проанализировать динамику изменений в уровне конкуренции между городами как элементами урбанистической системы за ограниченные ресурсы: население (в том числе в трудоспособном возрасте), рабочую силу, инвестиции. Сопоставление параметров разработанных моделей выявило разную степень сбалансированности урбанистической системы России по распределению численности работников организаций, населения и инвестиций между городами различного масштаба, а также позволило определить ключевые факторы, обусловливающие дисбалансы в распределении основных макроэкономических показателей по городам.