Управление промышленным комплексом региона — сложная задача, требующая учёта множества факторов: от инвестиций и численности работников до цифровизации и государственных субсидий. Учёные Института экономики УрО РАН представили новый подход к решению этой задачи — разработку и идентификацию параметров агент-ориентированной модели иерархического управления на примере Свердловской области.
В основе модели — трехуровневая архитектура, где каждый «агент» (вид экономической деятельности) описывается фазовым вектором из ключевых показателей: объём отгруженных товаров, инвестиции в основной капитал, затраты на цифровые технологии, прибыль, фонд оплаты труда и количество организаций. Управляющими факторами выступили объёмы привлечённых бюджетных и внебюджетных средств.
Для идентификации параметров модели авторы использовали метод линейного регрессионного анализа на данных по 28 видам промышленной деятельности Свердловской области за 2005–2021 годы. В результате было построено 168 регрессионных моделей, из которых 125 показали высокое качество и статистическую значимость. Например, для отрасли «Производство бумаги и бумажных изделий» удалось установить, что будущие инвестиции зависят от текущих вложений в основной капитал и цифровые технологии, а рост числа организаций положительно коррелирует с объёмом внебюджетного финансирования.
Исследование подтвердило возможность построения надёжных коэффициентов, связывающих социально-экономические параметры промышленности с управляющими воздействиями. При этом гипотеза о значимом влиянии общих государственных субсидий на отдельные отрасли не нашла подтверждения — связь оказалась слишком слабой и рассеянной.
Разработанная модель позволяет не только прогнозировать развитие промышленного комплекса в зависимости от управленческих решений, но и рассчитывать оптимальные воздействия для достижения целевых показателей. Это важный шаг к созданию адаптивных систем управления региональной промышленностью, основанных на данных и многогранном анализе.
Исследование опубликовано в журнале «Экономика региона» (2024, Т. 20, вып. 1). Подробнее с методологией и результатами можно ознакомиться по ссылке: https://doi.org/10.17059/ekon.reg.2024-1-4
#агентноемоделирование #промышленность #региональнаяэкономика #Свердловскаяобласть #регрессионныйанализ #управление #экономика #наука #ИЭУрОРАН
