Актуальность и важность изучения явления дифференциации населения по доходам во многом определяются его связью с уровнем экономического развития территории. Итак, с одной стороны, основой рассматриваемой дифференциации является процесс распределения совокупного дохода (валовой добавленной стоимости) между отдельными домохозяйствами; с другой стороны, динамика экономического развития страны в целом и отдельных ее регионов во многом определяется эффективностью этого распределения, в том числе субъективными ощущениями населения относительно его (распределения) справедливости. Цель работы основана на разработке подхода, анализирующего пространственную дифференциацию доходов населения с использованием методов машинного обучения. Объектом работы является траектория социально-экономического развития регионов. Предметом является применение методов машинного обучения для анализа пространственной дифференциации доходов населения России. Научная новизна заключается в разработке методики анализа пространственной дифференциации доходов населения и оценки ее влияния на экономическое развитие регионов. Практическая значимость работы заключается в том, что данная работа позволяет сформулировать характеристики социально-экономического развития групп регионов, на основе которых формируются их стратегии развития и инвестиционная политика в соответствующих сферах жизни субъектов. Российской Федерации. Разработанная методология кластерного анализа позволяет формировать устойчивые региональные кластеры по уровню социально-экономического развития субъектов Российской Федерации. Проведенная кластеризация с учетом степени дифференциации доходов регионов может быть использована при реализации кластерно-ориентированной государственной политики по поддержке опережающего развития субъектов. / The relevance and importance of the study of the phenomenon of population differentiation by income are largely determined by its relationship with the level of economic development of the territory. So, on the one hand, the basis of the differentiation under consideration is the process of distribution of total income (gross value added) between individual households; on the other hand, the dynamics of economic development of the country as a whole and its individual regions are largely determined by the effectiveness of this distribution, including the subjective feelings of the population regarding its (distribution) fairness. The aim of the work is based on the development of an approach that analyzes spatial differentiation of incomes of the population with the use of machine learning methods. The object of the work is the trajectory of socio-economic development of regions. The subject is the application of machine learning methods to analyze the spatial differentiation of incomes of the Russian population. The scientific novelty lies in the development of a methodology for analyzing the spatial differentiation of incomes of the population and assessing its impact on the economic development of regions. The practical significance of the work lies in the fact that this work allows us to formulate the characteristics of the socio-economic development of groups of regions, based on which their development strategies and investment policy are formed in the relevant spheres of life of the subjects of the Russian Federation. The developed methodology of cluster analysis makes it possible to form stable regional clusters according to the socio-economic development of the subjects of the Russian Federation. The performed clustering, considering the degree of income differentiation of the regions, can be used in the implementation of cluster-oriented state policy to support the accelerated development of the subjects.
| Identifer | oai:union.ndltd.org:urfu.ru/oai:elar.urfu.ru:10995/129218 |
| Date | January 2023 |
| Creators | Балунгу, Д. М., Balungu, D. M. |
| Contributors | Берг, Д. Б., Berg, D. B., УрФУ. Институт радиоэлектроники и информационных технологий-РтФ, Базовая кафедра «Аналитика больших данных и методы видеоанализа» |
| Source Sets | Ural Federal University |
| Language | English |
| Detected Language | Russian |
| Type | Master's thesis, info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Rights | Предоставлено автором на условиях простой неисключительной лицензии, http://elar.urfu.ru/handle/10995/31613 |
Page generated in 0.0029 seconds