Изменение влияния экономических факторов на образование в Российской Федерации за 2000-2022 гг
DOI:
https://doi.org/10.22394/1726-1139-2024-6-203-218Ключевые слова:
образование, регрессионный анализ, метод главных компонент, матрица корреляций, региональная экономика, федеральный округ, человеческий капиталАннотация
В статье исследуется анализ зависимости между экономическим состоянием и уровнем образования регионов РФ за последние 20 лет. В качестве экономических показателей регионов были выбраны валовой региональный продукт, доля пенсионеров, общие расходы и доля расходов на коммунальные услуги, доля населения с доходами ниже прожиточного уровня и др. В качестве показателей, характеризующих уровень образования регионов, были взяты численность учителей, студентов, преподавателей, аспирантов, доля затрат на фундаментальные и прикладные исследования и т. д. Основные методы исследования - факторный, корреляционный и кластерный анализ, а также метод главных компонент. С помощью кластерного анализа были получены 4 группы регионов, отличающиеся по экономическим показателям. Все показатели были стандартизованы и для каждого года был проведен метод главных компонент между двумя группами показателей как для всех регионов РФ, так и для каждого кластера в отдельности. После выбора первых главных компонент построена линейная зависимость между рассматриваемыми двумя группами показателей для разных федеральных округов РФ. Сделан вывод о том, что для первых двух кластеров с 2000 до 2003 г. связи между двумя группами показателей не наблюдалось. Однако начиная с 2004 г. выявлена линейная зависимость между двумя группами показателей, которая имеет тенденцию к усилению. Для третьего и четвертого кластеров отмечается отсутствие данной зависимости на протяжении последних 20 лет. По построенной модели линейной регрессии сделан прогноз на ближайшие 5 лет об усилении влияния экономики на сферу образования для регионов, входящих в первый и второй кластеры. Проведенный анализ подтверждает предположение о том, что для промышленных регионов существует сильная взаимосвязь между экономическими показателями и уровнем образования, тогда как для сырьевых и аграрных регионов такая взаимосвязь отсутствует. Предложенный метод может быть использован как для анализа влияния экономических факторов на образование регионов, так и для анализа обратного влияния, что особенно актуально для принятия стратегических решений в области образования.Скачивания
Библиографические ссылки
Батракова Л. Г. Инновационное развитие регионов России по модели «тройной спирали» // Социально-политические исследования. 2020. № 3 (8). С. 67–80. DOI: 10.20323/2658-428X-2020-3-8-67–80
Болдырева К. С., Полехина В. Д. Влияние цифровой экономики на образование // Ratio et Natura. 2020. № 1 (1).
Василенко Н. В. Экономика знаний и сфера образования: взаимообусловленность развития // Научно-методический электронный журнал «Концепт». 2016. Т. 15. С. 1869–1900.
Горяинов В. Б., Горяинова Е. Р. Исследование устойчивости к аномальным наблюдениям модификаций метода главных компонент // Вестник Московского государственного технического университета им. Н. Э. Баумана. Серия: Естественные науки. 2023. № 2 (107). С. 17–34.
Горяинов В. Б., Горяинова Е. Р. Сравнительный анализ качества робастных модификаций метода главных компонент при сжатии коррелированных данных // Вестник Московского государственного технического университета им. Н. Э. Баумана. Серия: Естественные науки. 2021. № 3 (96). С. 23–45.
Джой Е. С. Влияние системы образования на функционирование рынка труда // Экономика и предпринимательство. 2018. № 6. С. 275–279.
Дорофеева Т. П. Взаимосвязь экономико-демографических факторов и спроса на услуги высшего образования // Вестник Кемеровского государственного университета. Серия: Политические, социологические и экономические науки. 2020. Т. 5. № 4 (18). С. 534–542.
Егиазарян О. Э. Анализ результатов оценки качества общего образования в регионах со сложной социально-экономической ситуацией // Человеческий капитал. 2022. № 11 (167). С. 104–109.
Кондратенко Н. А., Шашкова С. Н. Влияние социально-экономических процессов на развитие системы образования // Вестник УГНТУ. Наука, образование, экономика. Серия: Экономика. 2019. № 2 (28). С. 108–115.
Котомина О. В., Третьякова Е. А. Взаимосвязь развития региона и функционирования вузов (на примере Северо-Западного федерального округа) // Балтийский регион. 2024. Т. 16. № 1. С. 117–140.
Купревич Т. С., Турбан Г. В. Цифровая трансформация международного бизнеса: пособие для студентов. Минск : Гос. учреждение образования «Республиканский институт высшей школы», 2022. 100 с.
Свиридова Е. В. Учет влияния факторов рынка образовательных услуг при прогнозировании набора в вуз // Научный альманах. 2015. № 12–1. С. 330–335.
Схаплок Р. Б. Формализация факторов, влияющих на сбалансированное развитие экономики региона // Стратегия соц.-эк. развития общества: управленческие, правовые, хо зяйственные аспекты : сборник научных статей 10-й Международной научно-практической конференции. В 2 т. Курск, 26–27 ноября 2020 года. Т. 2. Курск : Юго-Западный гос. ун-т, 2020. С. 193–196.
Федорова Е. А., Мусиенко С. О., Федоров Ф. Ю., Рогов О. Ю. Оценка качества образования в регионах // Региональная экономика: теория и практика. 2018. Т. 16. № 2 (449). С. 249– 262.
Федотов А. А., Сергеев С. М., Борисоглебская Л. Н., Лебедева Я. О. Прогнозирование рынка образовательных услуг на базе цифровых технологий // Инновации. 2020. № 3. С. 66–70.
Чебыкина М. В., Миронова Е. А., Шаталова Т. Н. Человеческий капитал как основополагающий фактор инновационных преобразований и управления на региональном уровне // Вестник Самарского университета. Экономика и управление. 2023. Т. 14. № 2. С. 180–186.
Bro R., Smilde A. K. Principal component analysis // Anal. Methods. 2014. Vol. 6. N 9. P. 2812– 2831.
Gao Yu, Yao K., Xiao L., Gao Sh. Equipment consumption prediction based on improved HOLT exponential smoothing method // Journal of Physics: Conference Series. 2023. Vol. 2670. N 1. P. 012015.
Golichenko O. The Basic Factors of National Innovation System Development in Russia // Delhi, India : Narosa Publishing House, 2014. P. 38–52.
Kobayashi Ya. New precise model of studentized principal components // Communications in Statistics — Theory and Methods. 2024. Vol. 53. N 2. P. 487–504.
Liu W., Liu Zh., Wang L. Regional Social Development Gap and Regional Coordinated Development Based on Mixed-Methods Research: Evidence from China // Frontiers in Psychology. 2022. Vol. 13.
Lutsenko V. V., Kucherov N. N., Gladkov A. V. Predicting traffi congestion based on time series analysis // Modern Science and Innovations. 2023. N 2 (42). P. 50–58. DOI: 10.37493/2307910X.2023.2.5. EDN JASHWV
Maronna R. A., Martin R. D., Yohai V. J., Salibián-Barrera M. Robust Statistics: theory and Methods (with R). Chichester : Wiley. 2019. 453 p.
Zhang Chunlei. Analysis of the substitution eff on employment and educational needs in digital economy // Естественно-гуманитарные исследования. 2021. N 37 (5). P. 336–341. DOI: 10.24412/2309-4788-2021-537-336-341. EDN RGDEUU
Zheng Y., Cheng Y., Li L. Factors Aff Regional Economic Synergy in China — Based on Research on High-Tech Industry // IEEE Access. 2020. Vol. 8. P. 14123–14133.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Котов А.И., Полянская С.В., Ульзетуева Д.Д.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Как цитировать
Коды статьи
- EDN WFUTXH
- Тип статьи (РИНЦ) Научная статья (Научная статья)
