В статье отражены основные результаты исследования изменений в экономике России, связанных с влиянием специфических условий периода 2020–2022 гг. Обоснован вывод о происходящей смене модели развития экономики, сформулирован ряд предложений в отношении внутренней экономической государственной политики. Авторы отмечают, что сильное негативное влияние внешних факторов может при определенных условиях (по принципу «вызов-ответ» или «шок-реакция») создать импульс для ускоренной структурной перестройки экономики и перехода к новому национальному экономическому циклу, адаптированному к современным тенденциям научно-технологического развития.

Проанализированы показатели динамики и структурных сдвигов в конечном использовании валового внутреннего продукта (ВВП) в сфере производства, в области инвестиционной деятельности.

Показаны различия в тенденциях развития по трем крупным секторам экономики, в которые объединены ее отрасли, – сектор сырья и обработки, инфраструктурный сектор и инновационный сектор, а также по агрегату «прочие отрасли» (табличный материал содержит развертку аналитических данных по укрупненным видовым позициям). Показаны результаты факторного анализа динамики ВВП на основе двух подходов – с использованием межотраслевой модели и макроэкономической функции динамики ВВП. На основе первого подхода получены полные оценки влияния на динамику ВВП в 2022 г. изменения объемов экспорта и внутреннего конечного спроса, а также снижения импортоемкости производств и другие оценки. На основе второго подхода получены оценки потенциального темпа ВВП, разрыва с фактическими темпами и влияния основных факторов на экономическую динамику.

Отмечаются особенности новой модели развития (переход к развитию с опорой в основном на внутренние источники средств и ресурсов и др.); изложены взгляды авторов на условия, которые способны обеспечить решение задач развития страны в рамках новой модели развития. Рассматриваются вопросы составления инвестиционных прогнозов, обеспеченности финансовыми ресурсами инвестиционного процесса. По мнению авторов, дальнейшее развитие системного подхода в принятии управленческих решений, перехода к обеспечению большей согласованности между важнейшими направлениями экономического развития позволят более эффективно решать задачи по достижению поставленных целей в области экономики и в социальной сфере.

В статье подчеркивается актуальность вопросов совершенствования методологического инструментария макроэкономического прогнозирования, при этом в качестве важного аргумента указывается, что, к примеру, при использовании большого числа предикторов инфляции на не слишком длинных выборках возникает риск так называемого переобучения прогнозной модели. Дается обзор отечественных исследований по прогнозированию инфляции в России и обосновывается целесообразность использования при прогнозировании инфляции модели c байесовским сжатием меняющихся во времени параметров на основе априорного иерархического гамма-нормального распределения. Модели такого типа позволяют учитывать возможную нелинейность воздействия объясняющих переменных на инфляцию и одновременно бороться с проблемой переобучения.

Обосновывается выбор системы статистических показателей, используемой для прогнозирования месячной инфляции в России в период 2011–2022 гг. В работе показано, что на коротких горизонтах прогнозирования (от одного до трех месяцев) байесовская модель со сжатием меняющихся во времени параметров с широким набором предикторов инфляции превосходит свой линейный аналог, линейную и байесовскую модель авторегрессии без предикторов, а также наивные модели инфляции (случайное блуждание) по качеству предсказания, измеряемому средней абсолютной и среднеквадратичной ошибками. На горизонте шести месяцев наилучшей по точности прогнозирования является авторегрессионная модель без предикторов с байесовским сжатием параметров. С ростом горизонта прогнозирования (до одного года) статистические различия в точности прогнозов конкурирующих моделей инфляции в России уменьшаются.

Разработанная методика может быть использована Банком России и органами исполнительной власти для оперативной оценки прогнозных значений инфляции до конца года с целью выявления рисков отклонения инфляции от целевого уровня и разработки предупреждающих мер экономической политики.

Рассматриваются особенности применения статистического анализа в маркетинге в условиях цифровой трансформации. После обоснования актуальности исследования формулируются проблемы применения статистического анализа в маркетинге, указывается на его цели, задачи и инструменты, дается характеристика содержания статистического анализа (на уровне компании). Отмечается, что в современном интернет-маркетинге используется большое количество статистических показателей, таких, например, как CPC (цена клика), CTR (кликабельность), CPA (стоимость целевого действия), коэффициент конверсии, стоимость лида. Однако, по мнению авторов, применяемые показатели используются в большинстве компаний недостаточно системно.

Указано на то, что в статистическом анализе предметной области цифрового маркетинга применяется ряд цифровых продуктов, например Google Analytics, Adobe Analytics, Mixpanel, Salesforce Analytics Cloud, Looker. Чем более специфична необходимая для статистического анализа информация, тем в большей степени компания стремится создавать свой цифровой продукт для сбора, анализа и интерпретации важнейших для маркетинга данных о скрытых закономерностях в поведении клиентов, в их потребительском пути, мотивах и стимулах их выбора. Уникальность применяемых для этого алгоритмов искусственного интеллекта обеспечивается на основе применения, прежде всего, методов классификации, кластерного, регрессионного анализов, а также анализа ассоциаций, которые применяются в машинном обучении и статистическом анализе для автоматической обработки и анализа больших объемов данных.

Акцентировано внимание на конкретных результатах совершенствования маркетинговой деятельности на основе развития статистического анализа в условиях цифровой трансформации, связанной с внедрением цифровых технологий, разработкой цифровых продуктов, дающих в конечном итоге конкурентные преимущества в конкретной сфере предпринимательства.

Актуальность совершенствования математико-статистического инструментария анализа аграрного комплекса по территориям нашей страны обусловлена остротой проблемы межрегиональной дифференциации масштабов развития сельскохозяйственного производства, играющего важнейшую роль в реализации Доктрины Продовольственной безопасности Российской Федерации.

Во вводной части статьи дается обзор литературных источников по вопросам продовольственной безопасности, анализу современного состояния отечественного сельского хозяйства и направлений его развития. В основном разделе данной публикации обосновывается методология исследования, позволяющая классифицировать, прежде всего, сельскохозяйственные регионы (с указанием их территориального расположения, социально-экономических особенностей и прогнозными характеристиками). В качестве индикатора интенсивности развития сельского хозяйства в регионах использован показатель объема сельскохозяйственной продукции на душу населения, который стал критерием для отбора 25% регионов с максимальными значениями данного показателя. При этом под агрорегионом (или сельскохозяйственным регионом) подразумевается регион с избыточным для его нужд производством сельскохозяйственной продукции и осуществляющим вывоз ее излишка за пределы региона или страны (продовольственный экспорт). В многомерной классификации агрорегионов выделены три кластера (по уровню социально-экономического развития, эффективности развития вида экономической деятельности «Сельское, лесное хозяйство, охота, рыболовство и рыбоводство», объемам производства продукции растениеводства и животноводства). Проанализированы динамика и прогнозные характеристики развития средних по кластерам объемов продукции сельского хозяйства на душу населения (в том числе растениеводства и животноводства). Анализ динамики экспорта продовольственных товаров и сельскохозяйственного сырья на душу населения по кластерам выявил, что регионы первого кластера являются наиболее активно развивающимися, а регионы третьего кластера (с наиболее развитым животноводством) – ориентированными на внутреннего потребителя.

По мнению авторов, за анализируемый период в России наблюдалась положительная тенденция развития сельского хозяйства, при этом развитие агрорегионов опережает общероссийские тенденции. Наиболее высокие темпы развития характерны для агрорегионов со сбалансированным развитием растениеводства и животноводства (регионы первого кластера).

Цель исследования – комплексная, пространственно-временная оценка интенсивности развития высшего образования в Приволжском федеральном округе (ПФО) на основе данных региональной статистики и с учетом экономических и демографических особенностей субъектов ПФО.

Приводятся результаты статистического анализа ключевых показателей подготовки кадров с высшим образованием в субъектах ПФО, а также обосновывается влияние отраслевых особенностей региональных экономик на структуру выпускников вузов по направлениям подготовки и специальностям. Аргументируется заключение о том, что имеют место существенные диспропорции и негативные тенденции в динамике основных показателей подготовки кадров с высшим образованием в субъектах ПФО. При сохранении выявленных тенденций прогнозируется снижение к 2024 г. в регионах ПФО таких показателей, как численность студентов, обучающихся по образовательным программам бакалавриата, специалитета и магистратуры, в расчете на 10 000 человек населения и выпуск бакалавров, специалистов, магистров в расчете на 10 000 человек населения, на 36–58% относительно уровня 2015 г.

Подчеркивается, что выявленные на основе межрегионального сравнительного анализа особенности в системе направлений подготовки и специальностей высшего образования в субъектах ПФО, обусловленные трансформацией, происходящей в экономической сфере, не соответствуют в должной мере сложившейся отраслевой структуре экономики регионов.

По мнению авторов, от необходимого в нынешних условиях существенного повышения регионального потенциала в сфере высшего образования в каждом из субъектов ПФО во многом будет зависеть достижение Целей устойчивого развития к 2030 г.

Проблема совершенствования методологии анализа развития китайской экономики по мере ее выхода на передовые позиции в мире, как и (в равной степени) выявление драйверов ее роста, приобретают все большую актуальность. В работе проведен статистический анализ динамики основных показателей, характеризующих научную сферу страны за период 2005–2019 гг.: численности персонала, занятого НИОКР; внутренних затрат на исследования и разработки; патентной и публикационной активности ученых Китая. Кроме того, исследована взаимосвязь между размером ВВП страны и ее экспортом высокотехнологичной продукции. С целью изучения изменения рассматриваемых показателей в динамике проведен регрессионный анализ, информационной базой для которого послужили официальные статистические данные Китая.

Также в работе представлен прогноз масштабов и результативности научной деятельности Китая на период 2022–2024 гг., согласно которому при сохранении существующих тенденций развития науки и экономики в целом в 2024 г. предполагается рост объема внутренних затрат на исследования и разработки (более 3,284 трлн юаней), числа выданных патентов (более 537 тысяч), количества опубликованных научных статей (более 2,22 млн). Проведенный анализ показал наличие тесной связи между экономическим ростом страны и динамикой ее экспорта высокотехнологичной продукции. При сохранении существующих тенденций развития экономики и экспорта высокотехнологичной продукции прогнозные значения ВВП Китая в 2022 г. составляют 18,6 трлн долларов США, в 2023 г. – 20,3 трлн, а в 2024 г. – 21,7 трлн долларов США.

Результаты исследования показали, что стремительный экономический рост Китая был обусловлен как крупномасштабны- ми капитальными вложениями, высокими темпами увеличения производительности труда, так и успешным развитием науки и инновационной деятельности во всех стратегически важных секторах экономики.

Экспоненциальный и параболический рост практически всех основных показателей, характеризующих кадровую и финансовую составляющие научной сферы, патентную и публикационную активность, позволяет сделать выводы относительно укрепления лидерских общеэкономических позиций КНР в мире и увеличения ее научного потенциала.

Изложены авторские предложения по решению проблемы обеспечения сопоставимости российских социально-экономических показателей в связи с изменением границ государства в результате проведения cпециальной военной операции. Рассмотрен опыт обеспечения сопоставимости показателей при изменении границ, в частности при объединении Германии в 1990 г. и при воссоединении с Крымом в 2014 г. Показано, что связанная с большой длительностью процесса изменения границ и неопределенностью его результатов специфика обсуждаемого российского эпизода изменения границ, делает его уникальным, т. е. не имеющим прямых аналогов в последние десятилетия для развитых стран. Обсуждаются требования к сопоставимости данных, предъявляемые содержательными задачами, для решения которых они используются. Обосновывается целесообразность такого решения проблемы, которое позволило бы анализировать динамику показателей как по сопоставимой, так и по полной территориям. Предложен простой и технологичный подход к решению проблемы сопоставимости. Рассмотрены особенности ее решения для показателей разных типов, уровней агрегирования и с разными шагами по времени. Сформулированы рекомендации по организации работы, связанной с обеспечением сопоставимости статистических показателей при изменении государственных границ.

Излагается авторский взгляд на современное представление о статистике как науке, образовательной дисциплине и области практической деятельности. Актуальность проблемы состоит в том, что от адекватного понимания сущности статистики зависят направления ее дальнейшей эволюции как инструмента повышения эффективности социально-экономического развития страны.

По мнению авторов, к началу XXI века статистика де-юре ассоциируется с деятельностью, измеряемой данными, которые отображают совокупность явлений различной природы, а существующая де-факто деятельность, связанная с оценкой количественной стороны массовых явлений в порядке информационного обеспечения процессов познания и принятия управленческих решений в социально-экономической сфере, игнорируется. Показано, что в первом случае теоретическая, методологическая и практическая деятельность в области статистики базируется на рассмотрении статистической совокупности как таковой, для чего разрабатывается соответствующий инструментарий, основанный в первую очередь на единстве методов математической логики, математической статистики и анализа больших данных. Во втором случае теоретическая, методологическая и практическая деятельность интерпретируется в рамках концепции, предполагающей, что количественная сторона массовых общественных явлений как объективная реальность выступает объектом познания и управления. Она основана на категориях «статистический показатель», «система показателей», «информационная модель».

Анализируя основные признаки двух видов деятельности, показано, что их конвергенция невозможна. Делается вывод о том, что при сохранении самостоятельного статуса первого вида деятельности, называемого статистикой, целесообразно признать самостоятельный статус второго вида деятельности, называемого социально-экономической статистикой, – как вида занятия, специальности и направления подготовки высшего образования, а также научной специальности – отрасли науки, закрепив его в профессиональном стандарте «Статистик», государственном образовательном стандарте высшего образования «Социально-экономическая статистика» и паспорте научной специальности «Социально-экономическая статистика».