Статья подготовлена на основе материалов аналитического отчета «Анализ итогов, полученных на основе данных выборочного наблюдения трудоустройства выпускников 2016–2020 годов выпуска, получивших среднее профессиональное и высшее образование».

Во вводной части аргументируется актуальность совершенствования статистического инструментария для исследования экономической активности молодежи на современном этапе социально-экономического развития России.

В основном разделе публикации представлена краткая характеристика методологических положений проведения наблюдения, а также отражены отличия второго раунда (проведенного в 2021 г.) наблюдения трудоустройства выпускников, получивших среднее профессиональное и высшее образование в 2016–2020 гг. (ВТР-2021) от первого раунда (ВТР-2016). Приведены результаты экономико-статистического анализа трудоустройства выпускников по данным ВТР-2021. В рамках анализа образовательной миграции выявлена ориентированность выпускников на учебные заведения в границах своего субъекта Российской Федерации, а также зависимость между уровнем образования выпускников и интенсивностью их мобильности. Отмечено «отмирание» заочной формы обучения и формирование особой роли очно-заочной формы обучения, которая позволяет совмещать учебу с работой. Выявлен рост доли той группы молодежи, которая предпочитает совмещать работу и учебу. При этом выделены два основных мотива совмещения работы и учебы: 1) желание иметь личный доход; 2) желание получить опыт работы по будущей специальности. На основе структурного анализа сделан вывод о различии мотивов в зависимости от уровня образования.

Показано, что основные трудности при трудоустройстве выпускников – отсутствие или недостаточность опыта работы, низкий уровень заработной платы, а также недостаток или отсутствие подходящих вакансий. Отмечено, что полученные знания трудоустроенных выпускников в целом соответствуют требованиям работодателей и достаточны для выполнения основных обязанностей. Рассмотрены результаты оценки эффективности дообучения (переобучения) в первый год работы.

На основе математико-статистических методов предпринята попытка оценки потерь в отечественной экономике в результате воздействия введенных санкций. В качестве инструмента измерения предложена модель глобальной векторной авторегрессии. В данной модели в качестве основной результативной характеристики рассматривается динамика ВВП, в качестве ключевых предпосылок прогноза выступают темпы изменения внешнеторгового оборота с ключевыми партнерами. Данная схема построения модели обосновывается тем, что введенные в отношении России экономические санкции оказывают негативное влияние на отечественные макроэкономические показатели, причем происходит это через разнообразные каналы, ключевыми из которых являются ограничение внешнего спроса и предложения, ведущее к снижению торгового оборота с основными торговыми партнерами, и изменение доходов от продажи нефти. При указанном подходе учитываются взаимосвязи между экономиками различных стран и их зависимость от мировых рынков. Для получения количественных оценок используются условные прогнозы в рамках сценарного анализа.

Потери от экономических санкций, согласно авторскому подходу, измеряются величиной снижения объемов внешней торговли России с ключевыми внешнеторговыми партнерами, а также на основе информации о дисконте на российскую нефть по сравнению с общемировой ценой. Дополнительно к прогнозным оценкам обосновывается валидность авторского методологического подхода на примере прогноза для кризисного периода 2014–2015 гг. На основе анализа текущей ситуации во внешней торговле дается оценка динамики российского ВВП в 2022 г.: в базовом сценарии можно ожидать его падения на 5,4%, однако при некоторой переориентации торговли – снижения на 3,7%.

Обосновывается система статистических показателей, необходимая для построения математико-статистических моделей, отражающих современные отечественные тенденции в развитии рынка жилой недвижимости. Информационными источниками эмпирической составляющей исследования послужили официальные данные Федеральной службы государственной статистики (Росстат), Единой межведомственной информационно-статистической системы (ЕМИСС), Центрального банка Российской Федерации (Банк России), Единой информационной системы жилищного строительства (ЕИСЖС).

На основе квартальных данных за период 2010–2021 гг. с помощью ARIMA и SARIMA-моделей смоделирован и cпрогнозирован на 2022 г. временной ряд объема ввода в эксплуатацию жилья в Российской Федерации. Обе модели позволяют учесть влияние сезонной составляющей. По итогам регрессионного анализа временных рядов отобрана математико-статистическая модель с наилучшими аппроксимирующими характеристиками. Для моделирования объема ввода в эксплуатацию жилой недвижимости на российском рынке с учетом влияния макроэкономических факторов использована ARMAX-модель, которая обладает значимой объясняющей способностью.

Результаты исследования, обоснованные в статье, могут быть, по мнению авторов, интересны аналитическим агентствам, компаниям-застройщикам, банковским структурам, финансистам, экономистам, аналитикам рынка недвижимости или смежных сфер, а также органам власти для стратегического планирования развития рынка недвижимости.

Целью статьи является исследование экономических факторов, определяющих уровень смертности от сердечно-сосудистых заболеваний в регионах России. В качестве независимых переменных рассматривались социально-экономические факторы, в том числе уровень благосостояния, характеристики системы здравоохранения в регионе, уровень потребления алкоголя как черта образа жизни населения, направления государственной политики по профилактике и лечению сердечно-сосудистых заболеваний, а также антиалкогольные и антитабачные инициативы. Указанные факторы находятся в сфере действия нескольких социальных программ, реализуемых в настоящее время в России. Задачей работы является выявление степени чувствительности показателя смертности от болезней системы кровообращения к изменению каждого из рассмотренных факторов. Это позволит определить ориентиры для государственной политики, направленной на улучшение здоровья населения.

Эмпирическая составляющая данного исследования основана на данных Федеральной службы государственной статистики (за период с 2005 по 2019 г.), а также бюджетов регионов и территориальных фондов обязательного медицинского страхования (ОМС). Оценивалась модель панельных данных с фиксированными эффектами, а также производился расчет эластичности смертности от болезней системы кровообращения к изменению сформированного набора факторов. В статье показано, что увеличение расходов на здравоохранение приводит к снижению смертности от болезней системы кровообращения, но чувствительность данного показателя к однопроцентному изменению факторов благосостояния и образа жизни, в том числе объема потребления алкоголя, выше чем к однопроцентному изменению расходов на здравоохранение. Также показано наличие статистически значимой взаимосвязи изменений в законодательстве, приведших к существенному увеличению доступности дорогостоящей медицинской помощи, и снижения смертности от болезней системы кровообращения. Полученные результаты являются важной информацией для лиц, реформирующих систему здравоохранения, и могут выступать ориентиром для разработки параметров государственных программ в сфере здравоохранения.

В статье акцентируется внимание гражданского и профессионального научного сообщества на содержании, особенностях и огромной опасности современных ментальных войн, ведущихся с использованием методов и приемов информационно-статистического воздействия как на отдельные социально-демографические группы, так и на широкие слои населения.

Показаны роль, место и возможности использования статистики и статистических данных в процессе реализации ментальных спецопераций, направленных на подмену мировоззрения, слом традиционных ценностей и разрушение государственного суверенитета фактических и потенциальных противников без использования обычных вооружений. Сформулирован вывод о необходимости обеспечения ментальной безопасности, особенно молодых подрастающих поколений, в рамках которого важнейшая роль принадлежит дальнейшему развитию статистического образования различного уровня и повышению статистической грамотности населения, формирующим предпосылки для успешного противодействия информационным диверсиям, направленным на разрушение исторических скрепов и традиционных ценностей российского общества.

Аргументируется актуальность международных сопоставлений уровня цифровизации стран на основе рейтинговых оценок, обусловленная отсутствием единообразия в методах и результатах использования информационно-коммуникационных технологий. Информационная база исследования – данные Росстата и Евростата о ряде переменных цифровизации за период 2016–2020 гг. Методологическая основа анализа – метод главных компонент и кластерный анализ по методу k-средних. Обоснована необходимость использования различных статистических инструментов, позволяющих оценивать масштабы цифрового неравенства в разрезе стран и регионов.

Обобщены научно-методологические подходы к изучению проблемы цифрового неравенства. Выделены три уровня цифровых разрывов и отражающие их статистические индикаторы. Определена роль индексов как обобщающих показателей при оценивании уровня цифровизации экономики и общества. Построен рейтинг европейских стран (в порядке убывания рассчитанного индекса цифровизации). Предложена группировка стран, различающихся по уровню цифрового развития, даны оценки цифровых разрывов.

Результаты статистического анализа показали, что лидерами рейтинга являются Финляндия, Дания и Норвегия; аутсайдерами – Греция, Болгария и Румыния. Все эти страны занимают стабильное положение в рейтинге. Сформированы три кластера стран по уровню (высокий, средний, низкий) цифровизации экономики. Выявлено, что цифровые разрывы между европейскими странами колеблются в диапазоне 42–44 %. Определено место России в рейтинге из 20 стран в период с 2016 по 2020 г.

Главная задача исследования, отдельные результаты которого отражены в статье, – поиск основных детерминантов ожидаемой продолжительности жизни (ОПЖ) с использованием методов регрессионного анализа для четырех групп стран, выделяемых по признаку дохода. Критерием для определения доходной группы страны выступает показатель ВВП на душу населения. В работе выделяются четыре группы: так называемые бедные страны, страны с доходами выше и ниже среднего, а также богатые страны. В первой части статьи проводится анализ теоретических и прикладных исследований в области здравоохранения, демографии и связи ожидаемой продолжительности жизни с экономическим развитием. Особое внимание при этом уделяется научным публикациям, в которых рассмотрены проблемы влияния на макроэкономический рост в отдельных странах таких факторов как развитие систем здравоохранения, факторов окружающей среды и ОПЖ.

Во второй части статьи освещены вопросы проверки эмпирических гипотез о направлении влияния отдельных групп факторов на ОПЖ и степени их влияния в разных доходных группах стран с использованием данных Всемирного банка и Всемирной организации здравоохранения. В работе используются панельные данные за период 2011–2019 гг., на основе которых строятся регрессионные модели для каждой доходной группы стран с учетом временных лагов для коррекции эндогенности.

Результаты исследования свидетельствуют о значимости как характеристик системы здравоохранения, так и социально-экономических факторов в большинстве доходных групп. Однако выясняется, что влияние отдельных факторов на ОПЖ различается в зависимости от величины ВВП на душу населения страны. Так, для бедных стран, для которых характерна низкая продолжительность жизни, значимыми оказываются проблемы доступности питания, расходы на здравоохранение, доля пользователей Интернета, безработица и плотность населения. В то же время в странах со средним уровнем доходов населения влияние на ОПЖ оказывают не только вышеперечисленные факторы, но и доля городского населения, распространенность табака, число больничных коек, а также выбросы углекислого газа. Для богатых же стран особенно значимыми оказываются вредные привычки (как распространенность табака, так и потребление алкоголя), которые принято называть «болезнями цивилизации».

Цель исследования – на основе сопоставления статистических данных больших репрезентативных выборок проанализировать воздействие ряда социально-экономических факторов на течение пандемии COVID-19, а также оценить критические факторы, влияющие на развитие инфекционного процесса вируса SARS-CoV-2.

Для подготовки обзора источников по данной теме были найдены необходимые публикации в Интернете по выбранным ключевым словам – как по одному слову, так и по различным сочетаниям слов. Статистическая информация, характеризующая социальные-экономические факторы, была получена из баз данных, доступных в Интернете. Для определения статистической взаимосвязи использовался коэффициент корреляции Пирсона (r).

Впервые была исследована взаимосвязь между социально-экономическими факторами и последствиями 15-месячной пандемии COVID-19 в отдельных регионах с использованием различных доступных статистических данных для пяти континентов и 52 стран. Установлена положительная связь между исходом эпидемии вируса SARS-CoV-2 и ВВП на душу населения, а также типом питания человека с коэффициентами корреляции в диапазоне 0,42–0,87. Развитие вирусной пандемии показало менее четкую связь с плотностью населения (значения коэффициента r от -0,18 до -0,28 в зависимости от группы стран). Для островных государств географическая изоляция была доминирующей защитой от распространения инфекции SARS-CoV-2.

Сопоставление статистических данных о развитии COVID-19 в различных регионах и изучение как экономических, так и социальных аспектов, выполненное на больших репрезентативных выборках, показало, что продуктивная инфекция и патогенность вируса SARS-CoV-2 возрастали при высоком уровне жизни и чрезмерном потреблении основных продуктов питания. В странах с низким ВВП и адекватным потреблением белков или жиров показатели инфицирования SARS-CoV-2 и смертности не превышали минимальный эпидемический порог. Детальное изучение влияния потребляемых макроэлементов на динамику инфекционного цикла вируса SARS-CoV-2 даст возможность объяснить причину устойчивости к возбудителю. Для такого изучения потребуется дальнейший сравнительный анализ статистических данных о пандемии COVID-19.