Оценка влияния пандемии COVID-19 на экономику российских регионов: теоретические и практический аспекты

Assessing the Impact of COVID-19 Pandemic on Economy of Russian Regions: Theoretical and Practical Aspects



А.А. Песоцкий
A.A. Pesotskiy
andrey.pesotskiy@gmail.com
младший научный сотрудник, Институт проблем региональной экономики РАН, кандидат экономических наук, доцент
associate scientist, Institute for Regional Economic Studies, PhD in Economics, associate professor
St. Petersburg

Ключевые слова:

  • экономический шок
  • шокоустойчивость
  • регионы
  • кластеризация
  • R-statistics
  • Keywords:

  • economic shock
  • shock resistance
  • regions
  • clustering
  • R-statistics
  • Исследуется влияние пандемии коронавируса как экономического шока, воздействующего на регионы России. Дается авторское определение экономического шока, выявляются его отличительные признаки. Рассматриваются два подхода к кластеризации регионов в условиях пандемии – определению групп регионов, социально-экономические системы которых пострадали в разной степени. Согласно первому подходу, эмпирическим путем выявляются измеряемые параметры, анализ которых определяет соотнесение региона к своему кластеру. Второй подход предполагает, что необходимо измерить математико-статистическими методами всю совокупность данных, а затем на их основе выделить кластеры. Выделяются три кластера, дается фрагментарная интерпретация отнесения конкретных регионов к одному из кластеров, исходя из специфики их развития.

    The article deals with the coronavirus pandemic as an economic shock affecting the regions of Russia. The author's definition of an economic shock is given and its distinctive features are identified. We consider two approaches to clustering of regions under the pandemic, i.e. distinguishing the groups of regions, whose socio-economic systems have been affected to a different extent. According to the first approach, the measured parameters are identified empirically, their analysis determines the correlation of the region to its cluster. The second approach assumes that total data needs measuring with mathematical-statistical methods, and then clusters should be distinguished. Three clusters are distinguished, a fragmentary interpretation establishing the correlation between specific regions and clusters based on the specifics of their development is given.

    Список использованной литературы

    1. Михеева Н.Н. Устойчивость российских регионов к экономическим шокам // Проблемы прогнозирования. 2021. № 1 (184). С. 106–118.
    2. Песоцкий А.А., Мешков И.О. Расчет влияния экономического шока, вызванного пандемией COVID-19, на российские регионы // Экономика Северо-Запада: проблемы и перспективы развития. 2022. № 1 (68). С. 12–23.
    3. Песоцкий А.А. Экономический шок: определение, укрупненные подходы к классификации // Kant. 2021. № 2 (39). С. 85–90.
    4. Пилипенко З.А. Шоки и национальные экономические системы: механизм разрушения структурных связей // Вопросы экономики и права. 2011. № 10. С. 55–60.
    5. Рослякова Н.А., Митрофанова И.В., Дорофеева Л.В. Коронакризис и трансформация потребительского спроса в регионах России // Экономика: вчера, сегодня, завтра. 2020. Т. 10. № 5-1. С. 447–467.
    6. Jolliffe I.T. Principal Component Analysis. New York: Springer, 2010. 518 p.
    7. Hill E.A. [et al]. Economic Shocks and Regional Economic Resilience. Building resilient regions / Institute of Governmental studies. University of California. Working Paper 2011-03.
    8. Kassambara A. Practical guide to cluster analysis in R: Unsupervised machine learning. Multivariate analysis I. STHDA, 2017.
    9. Pendall R., Foster K.A., Cowell M. Resilience and Regions: Building Understanding of the Metaphor // Cambridge Journal of Regions, Economy and Society. 2010. № 3(1). Р. 71–84.
    10. Zelterman D. Applied Multivariate Statistics with R / Statistics for Biology and Health. 2022. 17 Nov. DOI: 10.1007/978-3-319-14093-3.

    РФ, Ленинградская область, г. Гатчина, ул. Рощинская, д. 5 к.2