Научная статья

Original article

УДК 330.15

doi: 10.24412/2413-046Х-2021-10452

ВЛИЯНИЕ ПАНДЕМИИ COVID-19 НА МИРОВУЮ ЭНЕРГЕТИКУ В 2020-2021 ГОДАХ

IMPACT OF THE COVID 19 PANDEMIC ON GLOBAL ENERGY IN 2020-2021 

Сыроватская Ольга Юрьевна, доцент кафедры прикладной экономики, кандидат экономических наук, доцент, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (г. Санкт-Петербург), 8-921-346-24-52, syrovatskay_o.u@inbox.ru, SPIN-код  8665-0890, https://orcid.org/0000-0002-2504-3520 

Лашманова Наталья Викторовна, профессор кафедры инновационного менеджмента, доктор технических наук, профессор, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (г. Санкт-Петербург), 8-911-741-81-28,  natalasha2007@mail.ru, SPIN-код  2075-0787

Садырин Игорь Анатольевич, доцент кафедры прикладной экономики, кандидат экономических наук, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (г. Санкт-Петербург), 8-960-243-87-01, sadyrin-73@inbox.ru, SPIN-код  9780-6146

Syrovatskaya Olga Yurievna, candidate of economic sciences, associate professor, Associate Professor at the Department of Applied Economics, Saint Petersburg State Electrotechnical University «LETI» them. IN AND. Ulyanova (Lenin) (St. Petersburg), 8-921-346-24-52, syrovatskay_o.u@inbox.ru, SPIN 8665-0890, https://orcid.org/0000-0002-2504-3520

Lashmanova Natalia Viktorovna, Professor of the Department of Innovation Management, Doctor of Technical Sciences, Professor, Saint Petersburg State Electrotechnical University «LETI» them. IN AND. Ulyanova (Lenin) (St. Petersburg), 8-911-741-81-28, natalasha2007@mail.ru, SPIN 2075-0787

Sadyrin Igor Anatolievich, Associate Professor at the Department of Applied Economics, PhD in Economics, Saint Petersburg State Electrotechnical University «LETI» them. IN AND. Ulyanova (Lenin) (St. Petersburg), 8-960-243-87-01, sadyrin-73@inbox.ru, SPIN 9780-6146

Аннотация. В статье рассматривается влияние пандемии Covid-19 на изменение спроса на энергоресурсы в 2020 и 2021 гг. и проблемы восстановления экономической активности и использования энергии в ряде стран. Рассмотрены вопросы воздействия вакцинации против Covid-19 на экономические процессы во многих крупных странах, а также меры поддержки и стимулирования, способствующие усилению экономического роста и восстановлению спроса на энергию в 2021 году.

В статье приведены аналитические материалы ежегодных Глобальных энергетических обзоров, публикуемых Международным энергетическим агентством (IEA).

Abstract. The article examines the impact of the Covid-19 pandemic on the change in energy demand in 2020 and 2021. and the challenges of economic recovery and energy use in a number of countries. The issues of the impact of vaccination against Covid-19 on economic processes in many large countries, as well as support and incentive measures that help to strengthen economic growth and restore energy demand in 2021 are considered.

This article provides analytical materials from the annual Global Energy Reviews published by the International Energy Agency (IEA).

Ключевые слова: пандемия, COVID-19, энергия, источники энергии, спрос на энергоресурсы

Keywords: pandemic, COVID-19, energy, energy sources, energy demand

Мировая экономика находится в очень сложном, а по мнению ряда специалистов и экспертов в кризисном состоянии, сопоставимом с кризисом начала 30-х годов прошлого века. Сравнением с событиями «Великой депрессии» отметились многие официальные лица, определяющие финансово-экономическую политику как отдельных стран, так и мировой экономической системы. К такому сравнению обращались, например, Генеральный секретарь ООН Антониу Гутерриш, выступая на юбилейной 75 сессии Генассамблеи ООН [1], Директор-распорядитель МВФ Кристалина Георгиева [2], Президент РФ В.В. Путин в своем выступлении на Всемирном экономическом форуме в Давосе в январе 2021 [3] года и многие другие.

Среди тезисов выступлений и публикаций мировых политиков и экономистов, посвященных экономическим проблемам, можно выделить один общий аспект: признание пандемии короновируса как ключевой причины кризисных явлений. Безусловно, пандемия короновируса в наибольшей степени затронула отрасль здравоохранения всех стран, подвергшихся влиянию опасной болезни. Но при этом беспрецедентные меры, предпринимаемые для борьбы с вирусом, оказали глобальное негативное влияние как на национальные экономики, так и на мировую экономику в целом. Среди таких мер можно выделить карантин и самоизоляцию населения, локдаун различных секторов экономики, переход к не всегда эффективным дистанционным формам работы и образования. Данные меры, в первую очередь, затронули те отрасли и сферы экономики, которые связаны с оказанием услуг населению, но они также оказали существенное влияние и на те отрасли, без которых невозможно существование современного общества. Поэтому целесообразно рассмотреть влияние пандемии короновируса и мер по борьбе с ней на энергетическую отрасль с учетом аналитических данных  ежегодного Глобального энергетического обзора, публикуемого Международным энергетическим агентством (IEA) [4], [5].

В Глобальном энергетическом обзоре за 2020 год представлены аналитические данные по потреблению энергетических ресурсов в различных странах. На основании этих данных хорошо видно, как менялась ситуация с производством энергии и ее потреблением по мере развития пандемии. Главном образом, данный обзор охватывает первое полугодие 2020 года, которое характеризовалось прохождением так называемой «первой волны» пандемии, и на начало 2021 года уже можно оценивать степень влияния «второй волны» коронокризиса, которая началась в конце сентября-начале октября 2020 года и во многих странах еще развивалась на начало февраля 2021 года.

При этом вводимые по мере развития пандемии меры привели к значительному падению спроса на энергетические ресурсы. Так, в первом квартале 2020 года, когда введение изоляционных мер стало шоковым для многих людей и сфер деятельности, скорость падения спроса достигала 25% в неделю для стран с жестким режимом изоляции и 18% в неделю для стран с частичным режимом изоляции. Очевидно, что падение спроса на энергию зависело от продолжительности и строгости таких мер. Мировое падение спроса на энергоносители в среднем составило 3,8% за первый квартал 2020 года, его пик пришелся на время введения ограничений в большинстве стран Европы и Северной Америки.

Требования по изоляции людей во многих странах привели и к существенному влиянию на энергетический спрос в промышленности, торговле и других отраслях экономики. Одно из самых сильных воздействий было зафиксировано в потреблении угля, главным образом в Китае, экономика которого довольно сильно ориентирована именно на этот вид энергоресурсов. Здесь падение спроса составило 8% по отношению к тому же периоду 2019 года. Дополнительное негативное воздействие оказала и теплая зима 2020 года, а также невысокие мировые цены на газ.

Следует отметить, что падение спроса в 2020 году не повлияло на все виды энергетических ресурсов равномерно. Больше всего пострадал спрос на нефть, поскольку ограничения мобильности привели к падению спроса на транспортное топливо на 14% по сравнению с уровнями 2019 года. На пике ограничений в апреле мировой спрос на нефть был более чем на 20% ниже докризисного уровня. В целом за год спрос на нефть снизился почти на 9%.

Ожидается, что в 2021 году спрос на нефть вырастет на 6% быстрее, чем на все другие виды топлива. В последний раз спрос на нефть так быстро увеличивался в 1976 году. Несмотря на сильное восстановление, спрос на нефть остается на 3% (3,1 млн баррелей в сутки) ниже уровня 2019 года. Активность автомобильного транспорта оставалась вялой на протяжении большей части года, и ожидается, что она вернется к уровням, существовавшим до COVID ‑ 19, только в последние месяцы 2021 года, в то время как спрос на воздушный транспорт будет оставаться заметно ниже уровней 2019 года в течение всего 2021 года. В Азии и, в частности, в Китае спрос на нефть значительно превышает уровни, существовавшие до COVID ‑ 19.

В 2020 году спрос на уголь снизился на 220 млн тонн угольного эквивалента (МТУ), или на 4%. Наибольшее сокращение использования угля для производства электроэнергии произошло в странах с развитой экономикой — на 15%, что составляет более половины глобального спада угля. Уголь оказался особенно уязвимым в структуре электроэнергетики из-за снижения спроса на электроэнергию, увеличения выработки за счет возобновляемых источников энергии и низких цен на газ. В 2021 году уже наблюдается восстановление спроса на уголь, падение которого остановилось в конце 2020 года, хотя и с большими географическими различиями.

Падение энергетического спроса в 2020 году, главным образом, наблюдалось в Соединенных Штатах и Европе, но ожидается, что спрос в странах с развитой экономикой восстановится только на четверть от падения 2020 года, ограниченного развертыванием возобновляемых источников энергии, более низкими ценами на газ и политикой поэтапного отказа от углеводородных источников энергии. Между тем, по прогнозам, на долю Китая будет приходиться 55% прироста в 2021 году (рис. 1).

Более низкие цены позволили газу быть более устойчивым, чем уголь, в 2020 году, когда спрос упал всего на 2%. Сочетание продолжающегося снижения цен и быстрого роста экономики стран Азии и Ближнего Востока должно привести к росту спроса на газ на 3% в 2021 году. В результате, по прогнозам, мировой спрос на природный газ в 2021 году вырастет на 3,2 % за счет растущего спроса в Азии, на Ближнем Востоке и в Российской Федерации. Ожидается, что это повысит мировой спрос более чем на 1% по сравнению с уровнями 2019 года, самый сильный ожидаемый рост среди энергетических ресурсов.

В Соединенных Штатах — крупнейшем в мире рынке природного газа – ежегодный рост спроса составит менее 20% от 20 млрд куб. 2020 года, в условиях продолжающегося роста возобновляемых источников энергии и природного газа. При этом производство электроэнергии из природного газа остается ниже уровня 2019 года.

В Европейском союзе более высокие цены на углерод оказывают некоторую поддержку газу по сравнению с углем; предварительные данные за первый квартал показывают рост спроса на газ в Европе на 8%. Картина сильно отличается в развивающихся странах Азии, где ожидается, что в 2021 году спрос вырастет на 7% по сравнению с уровнем 2020 года, что на 8,5% превысит уровень 2019 года. Китай является лидером роста: спрос в 2021 году будет более чем на 14% (или 44 млрд куб. М) выше уровня 2019 года (рис. 2).

Мировой спрос на газ в 2021 году остается предметом значительной неопределенности, касающейся не только спроса на электроэнергию и промышленного производства, но и динамики цен на газ по сравнению с углем на ключевых рынках, таких как США, а также в отношении погодных условий в северном полушарии в сторону повышения к концу 2021 года.

Возобновляемые источники энергии оказались в значительной степени невосприимчивыми к пандемии, поскольку их доля в мировой энергетике менее 30%, но при этом появились новые мощности, которые вследствие энергетической политики многих стран, ориентированной на увеличение доли таких источников, получили приоритетный доступ на многие энергетические рынки. В целом использование возобновляемых источников энергии выросло на 3% в 2020 году, в основном за счет увеличения производства электроэнергии с помощью солнечных фотоэлектрических и ветряных электростанций на 330 ТВтч.

Производство солнечной энергии и энергии ветра по прогнозам должно вырасти на 17% в 2021 году по сравнению с 2020 годом. Производство гидроэнергии и биомассы также должно ускориться, при этом общее производство энергии из возобновляемых источников должно вырасти на 8,3% в 2021 году, что быстрее, чем 7%-й рост в 2020 году. Два года быстрого роста означают, что доля возобновляемых источников энергии в общем объеме производства электроэнергии достигнет почти 30% по сравнению с 27% в 2019 году.

Как видно из рис. 3 Covid-19 в разной степени затронул крупнейшие экономики мира. Спрос на энергетические ресурсы в странах с развитой экономикой упал в среднем более чем на 6% в 2020 году, при этом каждая развитая экономика в какой-то момент испытывала сокращение экономического производства.

К 2021 году ожидается, что в странах с развитой экономикой произойдет быстрое восстановление объемов производства и спроса на энергию в большинстве секторов. Однако восстановление не начнется всерьез до второй половины года из-за продолжающегося воздействия пандемии, особенно в Европейском союзе.

В Соединенных Штатах, несмотря на недавно объявленную программу стимулирующих расходов на сумму 2,3 триллиона долларов США, прогнозируется, что в 2021 году спрос на энергию вырастет всего на 4%, при этом спрос останется на 3% ниже уровня 2019 года.

Большинство стран с формирующимся рынком и развивающихся стран также испытали падение спроса на энергию в 2020 году, хотя и меньше, чем в странах с развитой экономикой. Спрос снизился на 5% в Индии, примерно на 3% в Юго-Восточной Азии, 2% на Ближнем Востоке и 1,5% в Африке.

Заметным исключением стал Китай, единственная крупная экономика, в которой во второй половине 2020 года уже наблюдался рост объемов производства и спроса на энергетические ресурсы. При этом, несмотря на значительный рост возобновляемых источников энергии, рост спроса на электроэнергию привел к рекордно высокому использованию угля в декабре 2020 года, который является важнейшим энергетическим ресурсом для китайской экономики.

Ожидается, что в 2021 году экономическая активность в Китае продолжит ускоряться, и ожидается, что спрос на энергию вырастет на 6%, при этом спрос в 2021 году будет почти на 8% выше, чем в 2019 году, что укрепит позиции Китая как экономики, наименее затронутой Covid-19.

Резкий спад экономики Индии в 2020 году привел к снижению спроса на нефть более чем на 8%, в то время как спрос на уголь для энергетики и промышленности упал на 5% и 11% соответственно. С учетом того, что экономика Индии, как ожидается, сильно вырастет в 2021 году, прогноз роста спроса на энергию составляет 7%, что на 2% превысит уровень 2019 года. Ожидается, что спрос на уголь вырастет почти на 9%, что в наибольшей степени будет способствовать восстановлению экономики по мере восстановления спроса на электроэнергию.

Можно констатировать, что пандемия короновируса привела к очень серьезным экономическим последствиям в различных сферах экономики и введение многомесячных ограничений на мобильность, социальную и экономическую активность практически сразу по цепочке экономических взаимосвязей затрагивает все отрасли энергетики. По оценкам Всемирной организации здравоохранения около половины населения земли так или иначе оказались подвергнуты ограничениям и запретам. Такая ситуация может привести к глобальной экономической рецессии, выход из которой будет происходить постепенно и сопровождаться снижением экономической активности, несмотря на все усилия макроэкономической политики.

Таким образом, прослеживается две глобальные тенденции в области производства энергоресурсов и энергопотребления, вызванные влиянием пандемии. Первая заключается в шоковых, внеэкономических ограничениях хозяйственной деятельности многих экономических субъектов. Ограничения на деятельность предприятий торговли, общественного питания, спортивных организаций, туристического бизнеса, переход на дистанционные формы работы и обучения, общее снижение деловой активности резко ограничивает спрос на различные виды энергетических ресурсов с одной стороны, а с другой – приводит к перераспределению этого спроса.

Вторая тенденция состоит в снижении реально располагаемых доходов потребителей и корпоративной инвестиционной активности, что приводит к сокращению рабочих мест и резкому росту безработицы. В таких странах как США и Великобритания абсолютные цифры роста количества безработных в 2020 году составляли миллионы человек. В других странах наблюдаются аналогичные тенденции, что негативно влияет на уровень жизни и потребления очень большого количества людей во всем мире, в том числе и на потребление различных видов энергии.

Такие тенденции явились естественным следствием ограничительных мер и вынудили правительства многих стран осуществлять различные мероприятия по стимулированию и поддержке бизнеса и населения. Следует заметить, что эти меры во многом носили неэкономический характер, как, например, прямые субсидии и перечисления денежных средств населению и бизнесу. Это, в свою очередь, спровоцировало инфляционные явления в некоторых странах в том числе в сфере энергоресурсов и топлива. Так, в США в первом полугодии 2021 года наблюдается значительный рост цен на различные виды топлива.

Начало 2021 года, несмотря на продолжающееся влияние пандемии и повторные ограничения экономической активности, характеризовалось существенным влиянием других факторов, которые привели к резким колебаниям спроса на энергию и росту цен на энергоресурсы. Среди таких факторов можно отметить довольно длительный период сильных морозов и холодной погоды в США и Европе зимой 2021 года, что привело к резкому увеличению спроса на энергию. При этом наблюдались массовые отключения электроэнергии в некоторых штатах вследствие превышения допустимой нагрузки. Особенно пострадали те регионы, которые в большей степени ориентировались на возобновляемые источники энергии, генерация энергии которыми оказалась не рассчитана на такие погодные условия, на резкие колебания потребления и при этом не позволяет аккумулировать запасы энергии. Вследствие таких событий выросло как потребление, так и стоимость электроэнергии, которая в некоторых штатах выросла на порядок. Похожие явления наблюдались и в странах Европы, что также привело к увеличению спроса на электроэнергию и росту цены на газ, как основного источника энергии.  

Статистические данные о спросе на энергию в первом полугодие 2021 года подчеркивают продолжающееся воздействие пандемии на глобальное потребление энергии. Основываясь на данных за первый квартал, прогнозы на 2021 год показывают, что по мере снятия ограничений, связанных с Covid, и восстановления экономики ожидается, что спрос на энергию вырастет на 4,6%, что приведет к увеличению глобального энергопотребления в 2021 году на 0,5% по сравнению с уровнями, существовавшими до COVID-19. Однако перспективы на 2021 год весьма неопределенны.

Многое зависит от разворачиваемой компании тотальной вакцинации, степени, в которой блокировка, вызванная Covid ‑ 19, нанесла ущерб экономике, а также от размера и эффективности пакетов мер стимулирования. Текущие экономические прогнозы предполагают, что мировой ВВП превысит уровень 2019 года, что повысит спрос на товары, услуги и энергию (рис. 4). Однако транспортная деятельность и, в частности, международные поездки по-прежнему сильно ограничены. Если в 2021 году спрос на транспорт вернется к уровням, существовавшим до COVID, глобальный спрос на энергию вырастет еще выше, почти на 2% по сравнению с уровнями 2019 года, что в целом соответствует восстановлению мировой экономической активности.

Таким образом, очевидно, что весь 2021 год также будет проходить под влиянием пандемии, которая уже провоцирует и будет провоцировать серьезные колебания в объемах энергопотребления и уровне цен на энергоносители. Положительное влияние на снятие ограничительных мер и восстановление экономической активности должна оказать массовая вакцинация населения, но для ее завершения потребуется еще, как минимум, несколько месяцев, в течение которых возможны новые волны пандемии и введения различных ограничительных мер. Поэтому в качестве основных тенденций рынков энергоносителей и энергопотребления можно выделить следующие:

1. Сокращение энергопотребления в промышленных секторах экономики, перераспределение спроса в другие отрасли при резком ухудшении эпидемиологической ситуации и введении новых ограничений и локдаунов.
2. Рост спроса на энергоносители и уровня цен в условиях снятия ограничений и наличия мер по стимулированию экономической активности различных субъектов экономики.
3. Возможные конфликты интересов на рынке энергетики между производителями, потребителями и регуляторами в случае сложных или кризисных явлений в экономике.
4. Нарастание противостояние между поставщиками традиционных и возобновляемых энергоресурсов.
5. Повышенное внимание и попытки ускоренного развитие «зеленой» и альтернативной энергетики в качестве стратегического направления развития энергетики с одновременным увеличением спроса на традиционные энергоносители в краткосрочной и среднесрочной перспективе.
6. Увеличение инвестиций в разработку и использование возобновляемых источников энергии.

Список источников

1. Пятый всадник: Генеральный секретарь ООН обновил список угроз человечеству и предложил пути их преодоления. https://news.un.org/ru/story/2020/09/1386302
2. Противодействие кризису: приоритетные задачи для мировой экономики. https://www.imf.org/ru/News/Articles/2020/04/07/sp040920-SMs2020-Curtain-Raiser
3. Стенограмма выступления Путина на онлайн-форуме «Давосская повестка дня 2021». http://prezident.org/tekst/stenogramma-vystuplenija-putina-na-onlain-forume-davosskaja-povestka-dnja-2021-27-01-2021.html
4. Global Energy Review 2020. The impacts of the Covid-19 crisis on global energy demand and CO2 emissions. https://www.iea.org/reports/global-energy-review-2020/context-a-world-in-lockdown#abstract
5. Global Energy Review 2021. Assessing the effects of economic recoveries on global energy demand and CO2 emissions in 2021. https://iea.blob.core.windows.net/assets/d0031107-401d-4a2f-a48b-9eed19457335/GlobalEnergyReview2021.pdf

References

1. Pyaty`j vsadnik: General`ny`j sekretar` OON obnovil spisok ugroz che-lovechestvu i predlozhil puti ix preodoleniya. https://news.un.org/ru/story/2020/09/1386302
2. Protivodejstvie krizisu: prioritetny`e zadachi dlya mirovoj e`konomiki. https://www.imf.org/ru/News/Articles/2020/04/07/sp040920-SMs2020-Curtain-Raiser
3. Stenogramma vy`stupleniya Putina na onlajn-forume «Davosskaya po-vestka dnya 2021». http://prezident.org/tekst/stenogramma-vystuplenija-putina-na-onlain-forume-davosskaja-povestka-dnja-2021-27-01-2021.html
4. Global Energy Review 2020. The impacts of the Covid-19 crisis on global ener-gy demand and CO2 emissions. https://www.iea.org/reports/global-energy-review-2020/context-a-world-in-lockdown#abstract
5. Global Energy Review 2021. Assessing the effects of economic recoveries on global energy demand and CO2 emissions in 2021. https://iea.blob.core.windows.net/assets/d0031107-401d-4a2f-a48b-9eed19457335/GlobalEnergyReview2021.pdf

Для цитирования: Сыроватская О.Ю., Лашманова Н.В., Садырин И.А. Влияние пандемии Covid-19 на мировую энергетику в 2020-2021 годах // Московский экономический журнал. 2021. № 8. URL: https://qje.su/ekonomika-apk/moskovskij-ekonomicheskij-zhurnal-8-2021-4/

© Сыроватская О.Ю., Лашманова Н.В., Садырин И.А., 2021. Московский экономический журнал, 2021, № 8.

Научная статья

Original article

УДК 330.35 (51-77)

doi: 10.24412/2413-046Х-2021-10451

РАЗРАБОТКА КОМПЛЕКСА ИЗ ТРЕХ МОДЕЛЕЙ ЧЕЛОВЕЧЕСКОГО КАПИТАЛА ДЛЯ ОЦЕНКИ ЭКОНОМИЧЕСКОЙ ДИНАМИКИ

DEVELOPMENT OF A COMPLEX OF THREE HUMAN CAPITAL MODELS FOR ASSESSING ECONOMIC DYNAMICS

Авторы благодарят Российский фонд фундаментальных исследований за финансовую поддержку работы в рамках научного проекта № 19-29-07328

Орехов Виктор Дмитриевич, канд. техн. наук, научный сотрудник, факультет экономики, Университет «Синергия», 125190, РФ, г. Москва, Ленинградский пр-т, д. 80, E-mail: vorehov@yandex.ru тел.: 8 903 258 3075

Каранашев Анзор Хасанбиевич, доктор эконом. наук, проф. кафедры, Кабардино-Балкарский гос. университет, 360004, РФ, КБР, г. Нальчик, ул. Чернышевского, 173, E-mail: kanzor77@mail.ru  тел.: 8 928 691 5399

Orekhov Viktor Dmitrievich, Candidate of Technical Sciences, Researcher, Faculty of Economics, Synergy University, 125190, Russia, Moscow, Leningradsky Ave, 80

Karanashev Anzor Khasanbievich, Doctor of Economics, Professor, Kabardino-Balkarian state University, 360004, Russia, KBR, Nalchik, Chernyshevsky str., 173

Аннотация. Целью настоящей работы является разносторонний анализ динамики ВВП на душу населения с помощью трех новых моделей человеческого капитала.

Для разработки моделей человеческого капитала и оценки роста ВВП на душу населения используются три основные методики: индикативная диагностика образовательной компоненты человеческого капитала, регрессионный анализ комплекса глобальных индексов и когнитивное моделирование системы трудовой деятельности.

Разработанный комплекс моделей позволяет оценивать влияние большого количества факторов (до 22) на величину человеческого капитала и рост ВВП на душу населения на разные временные интервалы (до 30 лет и более). Показано, что наибольшее влияние на величину человеческого капитала оказывает доля специалистов с профессиональным (третичным) образованием. На величину ВВП на душу населения оказывают положительное влияние человеческий капитал, природные ресурсы и производительность труда, а также отрицательные факторы: износ основных фондов и факторы внешнего экономического окружения. Согласно когнитивной модели, на экономическую динамику наиболее сильно воздействуют управляющие факторы, стратегические программы и инновационное развитие. Работа может быть использована для стратегического планирования экономической динамики и роста человеческого капитала, а также при разработке новых моделей человеческого капитала.

Abstract. The purpose of this work is a comprehensive analysis of the dynamics of GDP per capita using three new models of human capital.

To develop models of human capital and assess the growth of GDP per capita, three main methods are used: indicative diagnostics of the educational component of human capital, regression analysis of the complex of global indices, and cognitive modeling of the labor activity system.

The developed complex of models makes it possible to assess the influence of a large number of factors (up to 22) on the value of human capital and the growth of GDP per capita for different time intervals (up to 30 years and more). It is shown that the share of specialists with vocational (tertiary) education has the greatest influence on the value of human capital. The value of GDP per capita is positively influenced by human capital, natural resources and labor productivity, as well as negative factors: depreciation of fixed assets and factors of the external economic environment. According to the cognitive model, economic dynamics are most strongly influenced by control factors, strategic programs and innovative development. The work can be used for strategic planning of economic dynamics and growth of human capital, as well as in the development of new models of human capital.

Ключевые слова: экономическая динамика, прогнозирование, человеческий капитал, ВВП, когнитивное моделирование, глобальные индексы, образование, экстерналии

Key words: economic dynamics, forecasting, human capital, GDP, cognitive modeling, global indexes, education, externalities

Введение

Одной из важнейших социально-экономических систем современного общества является человеческий капитал (ЧК). Он заключает в себе до 80% мирового богатства и является важным компонентом при прогнозировании экономической динамики. В настоящее время для его измерения широко используются стоимостные методы, основанные на учете доходов, получаемых от использования ЧК, или издержек, связанных с формированием ЧК [4]. Однако основанная на знаниях природа человеческого капитала создает сложности при стоимостной оценке его величины. Поэтому стоимостные методы расчета ЧК достаточно сложны и используют ряд не вполне обоснованных предположений. Кроме того, эти методы не учитывают экстерналии, возникающие в результате использования образования, которые могут быть весьма значительными, поскольку именно знания и навыки, полученные в ходе обучения, являются двигателем технического прогресса. Поэтому исследователи разрабатывают новые методы оценки человеческого капитала. В числе таких новых методов следует отметить глобальные индексы человеческого капитала, разработанные Всемирным экономическим форумом [23] и Всемирным банком [25] и не имеющие стоимостной оценки, что требует их адаптации к использованию для прогноза роста ВВП.

Следует отметить, что экономическая динамика зависит от широкого круга факторов, действующих во взаимосвязи с человеческим капиталом, и попытки анализировать их влияние с использованием малого числа переменных и без учета всей сложности взаимосвязей дают повод к разработке более сложных и методически альтернативных моделей.

Поэтому в данной работе предпринята попытка разработки нескольких новых моделей человеческого капитала, которые в совокупности позволят проанализировать различные аспекты влияния на рост ВВП как человеческого капитала, так и других важных факторов.

В частности, по предположению авторов, использование широкого спектра глобальных агрегированных индексов позволяет более точно оценивать величину человеческого капитала и влияние различных факторов на экономическую динамику. Также авторами были проведены предварительные исследования по использованию для оценки человеческого капитала индикативных методов с дифференцированным учетом уровня обучения персонала [20], а также метода на основе когнитивного моделирования [7]. При широком спектре возможностей оценки человеческого капитала важно определить достоинства различных методов и области применимости, а также выявить взаимодополняющие выводы.

Целью настоящей работы является разносторонний анализ динамики ВВП на душу населения с помощью трех новых моделей человеческого капитала.

1. Литературный обзор

Вопросы изучения человеческого капитала стали важнейшим направлением  экономических исследований, начиная с работ Теодора Шульца и Гэри Беккера, обосновавших, что уровень образования детерминирует и будущий уровень трудового дохода работника. Согласно современной экономической теории, человеческий капитал – это запас знаний, навыков и способностей людей, которые используются в производстве и других видах деятельности. Тысячи экономистов внесли вклад в разработку методов измерения человеческого капитала. Выделяют следующие основные подходы к решению проблемы оценки человеческого капитала [4]:

1. Основанный на учете инвестиций в ЧК (восстановительный) [5];
2. Стоимостной, основанный на капитализации получаемых доходов [15];
3. Стоимостный (дисконтный), основанный на том, что из расчета совокупного богатства страны дисконтным методом вычитают физический и природный капитал, а остаток принимают за величину человеческого капитала [11];
4. Индикаторный, основанный на натуральных характеристиках ЧК [10]. К числу лучших из них можно отнести индекс развития человеческого потенциала – ИРЧП [3].

Оценки капитализации ЧК используются прежде всего для прогноза экономической динамики. В работе Р. Дж. Барро «Экономический рост» [1] детально рассматриваются аспекты человеческого капитала, которые являются основой современного экономического роста. Он отмечает, что решением проблем с неудовлетворительностью стандартной неоклассической модели роста «было расширение концепции капитала за счет включения в него человеческого компонента с последующим предположением, что у этого расширенного капитала отдача не убывает» [1].

Важным результатом работ по оценке ЧК является вывод J. Mincer [19] о том, что заработок работника экспоненциально зависит от числа лет (Е) его образования Y=Y₀e^RE (функция доходов).  Следует отметить еще одну модель прогнозирования экономического роста, которая базируется на использовании концепции ЧК с использованием подхода World Bank и разработана в макроэкономическом департаменте компании Pricewaterhouse Coopers [12]. Начиная с 2006 года PwC регулярно выпускает прогнозы ВВП крупнейших экономик мира на 2030-е, 2050-е годы.

Новый подход к определению индексов ЧК реализован Всемирным экономическим форумом [23] и Всемирным банком [25], причем в нем используют показатели, значительно отличающиеся друг от друга. Human Capital Index рассматривает в основном показатели, характеризующие здоровье ЧК: вероятность детей прожить более 5 лет, доля детей без отклонений в развитии, выживаемость работников до 60 лет и ожидаемое число лет обучения в школе до 18 лет. Global Human Capital берет в учет квалификацию персонала, в частности уровень образования людей, накопленные навыки, ноу-хау и рост квалификации.

2. Материалы и методы

В трех разделах работы использованы три различные методики определения человеческого капитала.

В первом разделе используется подход индикативной диагностики для определения зависимости ВВП на душу населения от образовательных характеристик работников с использованием математических методов, применительно к крупнейшим мировым экономикам. Во втором разделе используется корреляционно-регрессионный анализ зависимости индекса человеческого капитала от широкого спектра агрегированных глобальных индексов, представленных в таблице 1. В третьем разделе используется метод когнитивного моделирования [6] системы трудовой деятельности, включающей в себя 22 концепта, применительно к России.

Для того чтобы не разрывать описание разных методов исследования от раздела, в котором они применяются, детально эти методы и используемые материалы представлены в соответствующих разделах.

3. Результаты

3.1. Измерение человеческого капитала на основе уровня образования

Вследствие того, что человеческий капитал представляет собой материализованные в человека знания, навыки и способности людей, а они приобретаются в процессе образования, то логично предположить, что вклад специалистов в ВВП зависит, в основном, от числа лет их образования. Факторы численности работников и их здоровья отражаются показателем численности населения – N_C. С другой стороны, уровень здоровья людей только на 8–10% зависит от здравоохранения, поэтому и в ЧК оно вносит относительно малый вклад [2].

В этом разделе будем считать, что ВВП на душу населения по паритету покупательной способности (ВВП/Д по ППС) зависит только от числа лет образования специалистов и коэффициента, характеризующего страну, – М_С. Будем рассматривать только работоспособное население в возрасте 25–64 лет, считая в первом приближении, что их доля равна 50%. Выделим среди них n образовательных групп населения и будем считать, что вклад в ВВП/Д специалистов из группы n пропорционален 10⁵*K_n*D_n*М_C, где D_n – доля специалистов с этим уровнем образования, а K_n – весовой коэффициент вклада каждой группы, причем для специалистов с высшим образованием K_n = 1. Суммируя вклады всех специалистов, получим выражение для удельного индекса образовательного ЧК (S_HC).

Соответственно, величина ВВП/Д в международных долларах 2017 года выражается формулой (2)

Будем рассматривать пять уровней образования, продолжительностью примерно 8, 12, 14, 17 и 22 года, причем в составе последней группы будем учитывать численность работников НИОКР, вне зависимости от реальной продолжительности образования. Значения K_n определим из условия минимума коэффициента вариации параметра М_С, для восьми экономик, данные которых представлены в таблице 2.

Данные по Индии и России при оптимизации не будут использоваться, поскольку, согласно предыдущим исследованиям [8], они дают результаты, существенно отклоняющиеся от восьми указанных экономик. Для сглаживания небольших отклонений ВВП/Д и D_n использовались их средние значения за 2015–2017 годы.

Значения коэффициентов K_n , полученные при оптимизации, составляют: K₁ = 0,001, K₂ = 0,003, K₃ = 0,5, K₄ = 1,0, K₅ = 20. При этом коэффициент вариации для восьми экономик равен 15,9±0,05%, а для трех крупнейших – 11,6%. Характерна сильная зависимость коэффициентов K_n от числа лет обучения – Е. Если аппроксимировать значения коэффициентов K₃ – K₅ экспоненциальной зависимостью, то формула примет вид

При использовании данной модели для прогноза экономической динамики возникают сложности прогнозирования значений D_n. Поэтому модель коэффициентов можно упростить, поскольку K₁ и K₂ » 0, а K₃ » K₄. Проведя с этими условиями повторно оптимизацию коэффициентов, получим, что K₃ = K₄ =1, а K₅ = 18. Значения S_HC и M_C для этого случая приведены в последних двух столбцах таблицы 2. При этом среднее значение М_С = 0,81.  

Полученные значения K_n и М_С позволяют прогнозировать рост ВВП стран при наличии прогнозов темпов роста населения, доли специалистов с профессиональным образованием
(Dп = D₃ + D₄), а также количества работников НИОКР (N_S) на миллиард долларов ВВП по ППС (G). Проведенные исследования показали, что параметр N_S/G изменяется достаточно монотонно и для крупнейших экономик стремится к среднему мировому значению, равному 91 специалисту на миллиард долларов 2017 года ВВП по ППС. 

Темп прироста доли специалистов с профессиональным образованием (ΔD_П) меняется медленно, его значения в среднем с 2015 по 2019 год представлены в таблице 3. Для большинства крупнейших экономик ΔD_П = 0,8±0,2% в год и сохраняется примерно до D_П = 50%, а затем плавно стремится к значению D_П = 75%.

Для проверки достоверности разработанной модели определения индекса человеческого капитала (S_HC) с ее использованием было выполнено прогнозирование величины ВВП по ППС крупнейших экономик до 2050 года и сравнение с прогнозами, выполненными компанией PricewaterhouseCoopers [12]. Вначале в процессе прогнозирования  определялись данные об образовательном уровне работников на расчетный период. Значения M_C изменялись линейно от уровня, представленного в таблице 2, до конечного значения в 2100 году – M_Cf. Численность населения стран соответствовала среднему прогнозу ООН. Параметр N_S/G изменялся линейно от начального значения, соответствующего 2017 году, до I_S, которое могло быть либо среднемировым (91), либо более высоким, при наличии прогностических оснований. Далее определялась величина ВВП/Д, при которой потребное значение S_HC (согласно формуле (2)) не превышает то, которое обеспечено уровнем образования работников в данный период времени.

Расчетные значения ВВП в 2050 году, полученные в данной работе (ViС 21), приведены на рис. 1, в сравнении с прогнозом, опубликованным компанией PwC в 2017 году. Места, которые занимают в 2050 году шесть наиболее крупных и две наименьшие экономики, одинаковы в соответствии с обоими методами расчета. Несовпадение занимаемых мест наблюдается только среди четырех экономик с близкими по величине ВВП, который лежит в диапазоне 5,0–7,3 трлн долл.

Тренды для обоих методов расчета на рис. 1 близки друг к другу (пунктир – PwC). Среднее арифметическое значение разности значений ВВП по двум прогнозам равно 3%, а среднеквадратичное отклонение – 12%. Это позволяет утверждать, что эти два прогноза дают в целом близкие значения GDP крупнейших экономик.

В таблице 4 приведено сравнение относительного разброса (в %) значений прогноза PwC 17 от ViС 21 с разбросом между значениями PwC 2011–2017 годов.

Видно, что относительный разброс прогнозов ВВП, выполненных PwC в разные годы, в среднем в три раза больше, чем отличие прогноза PwC 17 от ViС 21. Только по Мексике отличие прогнозов PwC от ViС больше, чем между прогнозами PwC, что связано с высокой неопределенностью темпа роста образования в Мексике (таблица 3). Это позволяет утверждать, что выполненный в данной работе прогноз с использованием методики ViC имеет достаточно высокую достоверность в сравнении с прогнозом PwC.

Достоинством разработанного авторами метода измерения человеческого капитала является то, что удельный индекс ЧК (S_HC) является эндогенным и опирается на характеристики роста численности и образования населения. При этом коэффициент, характеризующий страну (М_С), зависит от внешней среды, но это объективный фактор данной ситуации. В противоположность этому метод, используемый компанией PwC, является экзогенным и формируется на основе догоняющего развития стран относительно США, что ограничивает его применение для прогноза на длительный промежуток времени.

3.2. Оценка человеческого капитала с использованием глобальных индексов

Предложенные Всемирным экономическим форумом и Всемирным банком индексы дают оценки, не связанные с денежными или образовательными единицами, и оценивают ЧК в долях единицы или процентах. Для того чтобы понять связь этих индексов с денежными единицами, целесообразно рассмотреть их корреляцию с ВВП на душу населения.

В связи с проблематичностью сравнения стран, значительно отличающихся по размеру ВВП, используем серию выборок, включающих в себя различное количество экономик, ранжированных по размеру ВВП. В зависимости от числа стран они обозначались: С6, С12, С24, С48, С72. Оптимизация предикторов ВВП/Д производилась с ориентацией на среднее по этим пяти выборкам значение погрешности регрессии (ΔR² = 1 – R²), которое обозначалось индексом m или mid.

На рис. 2 приведена зависимость погрешности регрессии ВВП/Д от числа стран в выборке для предикторов человеческого капитала, включающих в себя различное сочетание GHC и HCI. Видно, что погрешность регрессии от рассмотренных предикторов достаточно велика, а средние по 5 выборкам ее значения составляют ΔRm² = 15,5–22,9%. Погрешность ΔR² меньше для HCI в зоне выборок С12–С72. Для наименьшей выборки С6 минимальную погрешность до 9,6% обеспечивает GHC. Наименьшее значение средней по пяти выборкам погрешности регрессии составляет ΔRm² = 15,5% с предиктором, включающим в себя 40% GHC и 60% HCI.

Сформируем новый индекс человеческого капитала (ИЧК), который будет иметь наименьшую погрешность регрессии с ВВП/Д, на основе рассмотренных выше двух индексов ЧК, по формуле (4).

Зависимость ВВП/Д по ППС в тыс. долл. 2017 года от ИЧК приведена на рис. 3 для выборки С24. Характерно, что при формате индекса человеческого капитала, рассматриваемом в данном разделе, ВВП/Д очень сильно зависит от показателя человеческого капитала – экспоненциально или пропорционально степени 3,5 (пунктир).

Рассмотренный в первом разделе вариант удельного индекса человеческого капитала S_HC был связан с ВВП/Д линейной зависимостью. Однако весовые коэффициенты K_n вклада различных групп специалистов в ВВП/Д экспоненциально зависели (3) от числа лет обучения специалистов. Таким образом, экспоненциальная зависимость ВВП/Д от индекса человеческого капитала проявляется в обоих случаях, и это соответствует функции доходов J. Mincer [19].

Альтернативный формуле (4) метод измерения ИЧК можно получить с использованием регрессионного анализа в зависимости от других глобальных индексов ЧК, представленных в таблице 1. С этой целью вначале определим погрешность регрессии ИЧК от каждого из этих индексов индивидуально. Соответствующие результаты с трендом в виде кубического полинома приведены в таблице 5. Наименьшую погрешность регрессии обеспечивают индексы GDP/C (ΔRm² = 11%) и MYS (14%).

В таблице 6 представлена погрешность регрессии ИЧК от лучших парных оптимальных предикторов в паре с GDP/C или MYS. Видно, что наиболее сильное влияние на человеческий капитал в парах оказывает Global Competitiveness Index [22]. Так, погрешность регрессии предиктора 0,4∙MYS+0,6∙GCI составила ΔRm² = 6,2%, что почти вдвое меньше, чем у лучшего индивидуально индекса влияния на человеческий капитал – GDP/C, для которого ΔRm² = 11%. Следует отметить, что GCI кроме индикаторов конкурентоспособности экономики также содержит характерные для человеческого капитала компоненты: здоровье, образование и рынок труда.

Получение характеристик регрессии ИЧК с парными предикторами позволяет перейти к поиску оптимального комплексного предиктора (СР) для человеческого капитала. Оптимизация осуществлялась путем вариации коэффициентов вклада различных глобальных индексов в комплексный предиктор ki и поиска их значений, обеспечивающих минимальное среднее по пяти выборкам значения погрешности регрессии. Полученные оптимальные значения коэффициентов CP приведены в таблице 7. Для данного предиктора ΔRm² = 5,5%, по сравнению с 6,2% для лучшего парного предиктора. Третьим по величине влияния на ИЧК ожидаемо оказался ВВП/Д, а влияние остальных незначительно.

В рассмотренном в первом разделе варианте измерения человеческого капитала мы выявили, что величина ВВП/Д зависит не только от индекса S_HC, зависящего от уровня образования, но и от параметра М_С, характеризующего страну. Здесь мы получили аналогичный результат. ИЧК и, соответственно, ВВП/Д зависят от образовательного уровня ЧК, который характеризуется индексом MYS, и индекса конкурентоспособности – GCI. При этом GCI влияет даже сильнее. Влияние GDP/C на ИЧК показывает, что более богатые страны могут обеспечить лучшие условия образования, но это влияние достаточно мало.

Среди других индексов относительно большой вклад (5%) вносит Corruption Perception Index (CPI). Хотя его вклад и мал, но применительно к России это может иметь существенное значение. Так, для России CPI = 29%, а для США – 71%, тогда как величина GCI для них дифференцирована значительно меньше – 67% и 84% соответственно.

На рис. 4 приведена регрессионная зависимость ИЧК от оптимального комплексного предиктора CP для выборки G24. Точки, соответствующие выборке С6, обозначены на рис. 4 особыми значками увеличенного размера (слева направо: Индия, Китай, Россия – квадрат, Япония, Германия, США – круг). Видно, что точки выборок С6 и С24 достаточно хорошо согласованы с трендом. При росте предиктора СР до уровня 0,8 величина ИЧК выходит «на полку» и достигает значения около 0,8. Поэтому экспоненциальная зависимость ВВП/Д от ИЧК не приведет к чрезмерному росту ВВП/Д согласно тренду.

Таким образом, в данном разделе предложено усовершенствование второго подхода к определению индекса человеческого капитала и показано, как можно измерять ИЧК не только через индексы GHC и HCI, но и через индексы GCI, MYS, ВВП/Д и другие. Сравнение факторов, влияющих на эти индексы, позволяет выявить новые закономерности.

3.3. Когнитивный метод оценки человеческого капитала

Понятие «человеческий капитал» было введено вследствие возникших противоречий при разработке моделей экономической динамики. В сущности, важным результатом этих расчетов являются оценки потока доходов от работы людей. Этот поток доходов удобно оценивать вкладом в ВВП страны. Ясно также, что поток доходов зависит не только от квалификации работников, но и от других факторов, которые важно оценить.

В данном разделе мы сформируем такую модель с использованием когнитивного метода [6], что позволит учесть влияние не только хорошо измеримых факторов, но и тех, которые можно только оценивать по величине. Следуя методике когнитивного моделирования, сформируем основные группы концептов, действующих в данной системе трудовой деятельности и влияющих на рост ВВП, применительно к России [7]. Проведенный анализ показал, что большая часть концептов является экономическими, а остальные относятся к социальным, технологическим и политическим. Список концептов представлен в левом столбце таблицы 8.

Далее выявим связи между концептами и уровень их влияния на другие. Для измерения силы связи использовалась шкала от +1 до –1, она была разбита на квартили (четверти), которые, соответственно, нумеровались цифрами от +4 до –4. На основе этих данных была сформирована нечеткая когнитивная карта (Fuzzy Cognitive Map – FCM) системы трудовой деятельности, представленная в таблице 8.

На основе выявленных связей и при помощи системы поддержки принятия решений «ИГЛА» [9] был проведен анализ матрицы когнитивного диссонанса, которая демонстрирует меру доверия к концептам FCM, показывает, что она характеризуется низким диссонансом со средним значением 26%. Наибольший диссонанс наблюдается по уровню безработицы – 65% и социально-трудовым институтам – 62%, стимулам к образованию – 53%, деловому образованию – 51% и уровню образования персонала – 47%.

На рис. 5 приведен альфа-срез концептов на уровне отсечения 75% для взаимного влияния концептов, причем положительные влияния обозначены сплошными линиями, а отрицательные – пунктиром (концепты, связанные с отрицательным влиянием, выделены курсивом).

Эта схема дает возможность выделить основные узлы прямого влияния на целевой концепт «ВВП на душу населения». Среди основных из них три взаимно-положительных: человеческий капитал, природные ресурсы и производительность труда, а также два взаимно-отрицательных: изношенность основных фондов и межстрановые барьеры. В свою очередь человеческий капитал зависит от уровня образования и социально-трудовых институтов, а производительность труда – от стратегических программ, образования персонала, научно-технического прогресса, инфраструктуры и финансовых институтов.

Данная модель дает возможность динамического моделирования развития системы. В качестве целевого концепта при этом использовался ВВП на душу населения с целевым уровнем – очень высокий (100%). В качестве управляющих параметров были выбраны концепты, которыми можно реально управлять: стратегические программы, инновационная деятельность, деловое образование и расходы на систему ВПО. На первом шаге по условному времени значения одного из концептов получают управляющий импульс и далее происходит изменение всех концептов системы.

На рис. 6 представлена динамика целевого фактора и группы концептов вследствие импульсного увеличения в начальный момент управляющего концепта «Инновационная деятельность» с уровня 20% до 50%.

Видно, что после начального импульса первым начинает расти концепт «стратегические программы». Затем и остальные концепты начинают быстро расти, а затем выходят «на полку», причем инновационная деятельность – на уровень 87%, деловое образование – 70%, а остальные стремятся к 100%. Целевой концепт при таком управляющем воздействии достигает 100% на 14-м шаге. Отметим, что инновационная деятельность влияет, согласно когнитивной карте (таблица 8), только на НТП, а он, в свою очередь, влияет на стратегические программы. Далее уже стратегические программы воздействуют на весь комплекс концептов, включая производительность труда, и приводят к их росту и достижению целевого значения.

На рис. 7 представлено поведение концептов, связанных с производительностью труда, включая человеческий капитал, при том же инновационном управляющем воздействии.

Видно, что наиболее быстро, хотя и медленнее, чем «Стратегические программы», реагирует на управляющее воздействие «Производительность труда», затем «Изношенность основных фондов» и «Инфраструктура».  Далее в рост идет «Уровень образования», а затем «Человеческий капитал». При этом уровня в 100% первым достигает «Уровень образования», а затем «Человеческий капитал». Примерно столь же быстро снижается «Изношенность основных фондов».

На рис. 8 представлена динамика концептов, влияющих на рост ВВП/Д, при увеличении управляющего концепта «Стратегические программы» с 50% до 64%.

Вслед за «Стратегическими программами», обгоняя их, растет «Человеческий капитал», а за ним ВВП/Д. Производительность труда растет относительно медленно, что сдерживается «Изношенностью основных фондов». При управляющем концепте «Стратегические программы» целевое значение ВВП/Д = 100% достигается на 13-м шаге, то есть примерно так же быстро, как под воздействием управляющего концепта «Инновационная деятельность».

В целом результаты динамического анализа социально-экономической системы показывают, что инновационная деятельность и стратегические программы, как управляющие факторы, значительно быстрее влияют на достижение целевым параметром ВВП/Д целевого уровня 100%, чем расходы на систему ВПО или деловое образование.

3.4. Сравнение трех моделей измерения человеческого капитала

Выше были рассмотрены три разные модели человеческого капитала. Эти модели предназначены для определения величины человеческого капитала и генерируемого им ВВП на душу населения. Также они могут использоваться для прогнозирования экономической динамики. Основные особенности моделей представлены в таблице 9.

Эти модели существенно различаются по своей сложности и возможностям оценки человеческого капитала и прогнозирования экономической динамики. Так, модель на основе уровня образования учитывает только образовательный уровень работников, долю работников НИОКР и косвенно влияние внешней среды. Но она позволяет относительно хорошо прогнозировать экономическую динамику на долгосрочный период – с достоверностью, подтвержденной сравнением с прогнозом компании PwC. Достоинством модели является то, что она позволяет определить уровень вклада в ВВП/Д специалистов с различным уровнем образования, а также берет в учет экстернальные эффекты. Важно, что она является эндогенной.

Модель на основе глобальных индексов позволяет определять величину индекса человеческого капитала, как на основе линейной комбинации индексов Global Human Capital и Human Capital Index, так и на основе более широкого спектра глобальных индексов, причем с достаточно низкой погрешностью регрессии – ΔRm² = 5,5%. Выявленное влияние индекса Global Competitiveness Index указывает на то, что влияние внешней среды (коэффициент М_С), которое обнаружено в модели на основе уровня образования, может быть оценено с помощью индекса конкурентоспособности.  Однако методы прогнозирования экономической динамики для данной модели пока не разработаны, хотя могут быть сформированы на основе глобальных индексов, которые определяются ежегодно.

Модель на основе когнитивного моделирования наиболее сложна и учитывает 22 фактора, причем учитывает сложные транзитивные взаимодействия. Но именно поэтому результаты, которые она позволяет получить, являются относительно нечеткими. Тем не менее она позволила обнаружить, что рост ВВП/Д зависит не только от человеческого капитала, но и от износа основных фондов, природных ресурсов и межстрановых барьеров. В других моделях не было возможности исследовать данные факторы, а они оказывают значительное влияние в отдельных случаях. Модель разработана применительно к современной России, для которой эти факторы важны. Также она позволяет приближенно оценить влияние на экономическую динамику в среднесрочной перспективе таких факторов, как стратегические программы и инновационное развитие. Обнаруженное влияние на рост ВВП/Д межстрановых барьеров указывает на еще один действующий фактор, связанный с влиянием внешней среды и конкурентоспособности стран, которое было обнаружено в рамках других моделей.  

Таким образом, разработанные три модели дополняют друг друга в вопросах измерения человеческого капитала и ВВП/Д. Они также позволяют в точках пересечения обнаружить новые эффекты, существенно влияющие на успешность прогнозирования экономической динамики.

4. Обсуждение

Разработанные модели нацелены на одну и ту же задачу оценки величины человеческого капитала и ВВП на душу населения. Однако непосредственная стыковка этих моделей не реализована, что связано с разным количеством учитываемых в них факторов. В будущем важно более тесно состыковать эти модели, в частности когнитивную и основанную на учете глобальных индексов, поскольку они имеют меньшее различие по количеству учитываемых факторов.

Представляется, что можно разработать еще одну модель, нацеленную на оценку величины ВВП на душу населения с использованием широкого спектра глобальных индексов, без формирования модели человеческого капитала. Это позволит более точно определить факторы влияния на ВВП/Д без отвлечения на рассмотрение индекса человеческого капитала, поскольку в такой модели возникает конкуренция целей создания модели.

5. Заключение 

1. Разработан комплекс из трех моделей, позволяющих оценивать влияние различных факторов на величину человеческого капитала (ЧК) и рост ВВП на душу населения (ВВП/Д).
2. Достоинствами модели индикативной диагностики на основе дифференцированного учета образовательного уровня работников является ее приспособленность к долгосрочному прогнозированию экономической динамики, свойство эндогенности, учет вклада эстернальных факторов и достаточно высокая достоверность. Наибольшее влияние на величину человеческого капитала, согласно данной модели, оказывает доля специалистов, имеющих высшее и среднее профессиональное образование.
3. Модель на основе глобальных индексов позволяет оценивать влияние на человеческий капитал и рост ВВП/Д широкого спектра (15) глобальных индексов. Показано, что большое влияние на величину эффективности человеческого капитала оказывает среднее число лет обучения работников и Global Competitiveness Index.
4. Модель на основе когнитивного моделирования отличается возможностью наиболее широкого учета факторов (22), влияющих на рост ЧК и ВВП/Д, причем и таких, которые нельзя точно описать количественно и которые влияют друг на друга транзитивно. Показано, что основными узлами прямого влияния на величину ВВП/Д являются человеческий капитал, природные ресурсы и производительность труда, а также два отрицательных фактора: изношенность основных фондов и межстрановые барьеры. На экономическую динамику наиболее сильно влияют управляющие факторы: стратегические программы и инновационное развитие.
5. Все три модели указывают на то, что на рост ВВП/Д, кроме фактора «человеческий капитал», зависящего от образования, существенное влияние оказывает внешнее окружение, которое в разных моделях проявляется через фактор конкурентоспособности страны или межстрановых барьеров.

Список источников

1. Барро Р. Дж, Сала-и-Мартин Х. Экономический рост. М.: БИНОМ. Лаборатория знаний, 2017. 824 с.
2. Игнатьева Л.П. Факторы, влияющие на здоровье: учебное пособие / Л. П. Игнатьева, М. В. Чирцова, М. О. Потапова; ГБОУ ВПО ИГМУ Минздрава России, Кафедра коммунальной гигиены и гигиены детей и подростков. – Иркутск: ИГМУ, 2014.
3. Индекс развития человеческого потенциала. Гуманитарная энциклопедия: Исследования. Центр гуманитарных технологий. 2018. URL:https://gtmarket.ru/ratings/human-development-index/human-development-index-info
4. Капелюшников Р.И. Сколько стоит человеческий капитал в России? – М., препр. WP3/2012/06, Нац. исслед. ун-т «Высшая школа экономики», М., 2012.
5. Кендрик Дж. Совокупный капитал США и  его формирование. М., Прогресс, 1980.
6. Захарова А.А., Подвесовский А.Г., Исаев Р.А. Нечеткие когнитивные модели в управлении слабоструктурированными социально-экономическими системами // Информационные и математические технологии в науке и управлении. – 2020. – № 4 (20). – С. 5–23. DOI: 10.38028/ESI.2020.20.4.001
7. Мельник М.С., Орехов В.Д., Причина О.С. Моделирование тенденций и закономерностей трудовой деятельности в России: когнитивный подход. М., Юр-ВАК. Проблемы экономики и юридической практики. 2018. № 3. С. 94–101.
8. Орехов В.Д. Прогнозирование развития человечества с учетом фактора знания: Монография. Жуковский: МИМ ЛИНК. – 2015. URL:http://world-evolution.ru/monograph/monography.pdf
9. Подвесовский А.Г., Лагерев Д.Г., Коростелев Д.А. СППР «ИГЛА». (Свидетельство отраслевого фонда алгоритмов и программ Росстата № 50200701348). URL: http://iipo.tu-bryansk.ru/quill/developers.html
10. David P. (2013) Knowledge, Capabilities and Human Capital Formation in Economic Growth //Treasury Working Paper Series from New Zealand Treasury No 01/13
11. Dixon J., Bakkes J., Hamilton К. et al. Expanding the Measure of Wealth Indicators of Environmentally Sustainable Development. Environmentally Sustainable Development. Studies and Monographs, Ser. No 17. Wash., The World Bank, 1997.
12. Hawksworth J., Audino H., Clarry R. (2017). The World in 2050. The long view: how will the global economic order change by 2050? PwC Economics & Policy services. URL: http://www.pwc.com/world2050
13. Helliwell, J., Layard, R., Sachs, J.: World happiness report 2019, New York: Sustainable Development Solutions Network. (2019).
14. Heritage Foundation: 2020 index of economic freedom. URL: https://www.heritage.org/index/pdf/2020/book/index_2020.pdf. Accessed: 27.06.2020. (2020).
15. Jorgenson D.W., Fraumeni B.M. The Accumulation of Human and Nonhuman Capital, 1948–1984 / R.E. Lipsey, H.S. Tice (eds.). The Measurement of Savings, Investment and Wealth. Chicago: The University of Chicago Press, 1989.
16. Kaufmann, D., Kraay, A, Mastruzzi, M.: The worldwide governance indicators: Methodology and analytical issues.
17. Knoema: R&D Expenditure as a share of GDP. (2017). URL: https://knoema.com/atlas/topics/Research-and-Development/RandD-Expenditure/RandD-expenditure-as-a-share-of-GDP.
18. Legatum Institute: The Legatum prosperity index, 2019. URL: https://www.prosperity.com/rankings.
19. Mincer J. (1994) The Production of Human Capital and The Lifecycle of Earnings: Variations on a Theme. – Working Paper of the NBER, No 4838.
20. Orekhov, V.D., Prichina, O.S., Blinnikova, A.V., Panfilova, E.A., Shchennikova, E.S.: Indicative diagnostics of the educational component of human capital based on mathematical modeling. Opción. Año 35, 20, 2337-2365. (2019).
21. Savina, G., Haelg, F., Potrafke, N., Sturm, J.E.: The KOF globalisation index – revisited. Review of International Organizations, 14(3), 543-557. (2019).
22. Schwab, K., World Economic Forum: The global competitiveness report 2019. URL: http://www3.weforum.org/docs/WEF_TheGlobalCompetitivenessReport2019.pdf
23. Schwab, K.: The global human capital report. World Economic Forum. Cologny/Geneva Switzerlan. 2019. URL: WEF_The Global Competitiveness Report2019.pdf
24. Stern, S., Wares, A., Epner, T.: Social progress index methodology report. URL: https://www.socialprogress.org/assets/downloads/resources/2018/2018-Social-Progress-Index-Methodology.pdf.
25. World Bank Group: The changing nature of work. World development report 2019. Washington, DC 20433.
26. Transparency International: Corruption perception index. URL: https://www.transparency.org/en/cpi.
27. UNDP: Human development indexes and indicators: 2018 statistical update. URL: http://hdr.undp.org/sites/default/files/2018_human_development_statistical_update.pdf.

References 

1. Barro R. Dzh, Sala-i-Martin X. E`konomicheskij rost. M.: BINOM. Laboratoriya znanij, 2017. 824 s.
2. Ignat`eva L.P. Faktory`, vliyayushhie na zdorov`e: uchebnoe posobie / L. P. Ignat`eva, M. V. Chirczova, M. O. Potapova; GBOU VPO IGMU Minzdrava Rossii, Kafedra kommunal`noj gigieny` i gigieny` detej i podrostkov. – Irkutsk: IGMU, 2014.
3. Indeks razvitiya chelovecheskogo potenciala. Gumanitarnaya e`nciklopediya: Issledovaniya. Centr gumanitarny`x texnologij. 2018. URL: https://gtmarket.ru/ratings/human-development-index/human-development-index-info
4. Kapelyushnikov R.I. Skol`ko stoit chelovecheskij kapital v Rossii? – M., prepr. WP3/2012/06, Nacz. issled. un-t «Vy`sshaya shkola e`konomiki», M., 2012.
5. Kendrik Dzh. Sovokupny`j kapital SShA i ego formirovanie. M.,  Progress, 1980.
6. Zaxarova A.A., Podvesovskij A.G., Isaev R.A. Nechetkie kognitivny`e modeli v upravlenii slabostrukturirovanny`mi social`no-e`konomicheskimi sistemami // Informacionny`e i matematicheskie texnologii v nauke i upravlenii. – 2020. – № 4 (20). – S. 5–23. DOI: 10.38028/ESI.2020.20.4.001
7. Mel`nik M.S., Orexov V.D., Prichina O.S. Modelirovanie tendencij i zakonomernostej trudovoj deyatel`nosti v Rossii: kognitivny`j podxod. M., Yur-VAK. Problemy` e`konomiki i yuridicheskoj praktiki. 2018. № 3. S. 94–101.
8. Orexov V.D. Prognozirovanie razvitiya chelovechestva s uchetom faktora znaniya: Monografiya. Zhukovskij: MIM LINK. – 2015. URL: http://world-evolution.ru/monograph/monography.pdf
9. Podvesovskij A.G., Lagerev D.G., Korostelev D.A. SPPR «IGLA». (Svidetel`stvo otraslevogo fonda algoritmov i programm Rosstata № 50200701348). 2018. URL: http://iipo.tu-bryansk.ru/quill/developers.html
10. David P. (2013) Knowledge, Capabilities and Human Capital Formation in Economic Growth //Treasury Working Paper Series from New Zealand Treasury No 01/13
11. Dixon J., Bakkes J., Hamilton K. et al. Expanding the Measure of Wealth Indicators of Environmentally Sustainable Development. Environmentally Sustainable Development. Studies and Monographs, Ser. No 17. Wash., The World Bank, 1997.
12. Hawksworth J., Audino H., Clarry R. (2017). The World in 2050. The long view: how will the global economic order change by 2050? PwC Economics & Policy services. URL: http://www.pwc.com/world2050
13. Helliwell, J., Layard, R., Sachs, J.: World happiness report 2019, New York: Sustainable Development Solutions Network. (2019).
14. Heritage Foundation: 2020 index of economic freedom. URL: https://www.heritage.org/index/pdf/2020/book/index_2020.pdf. Accessed: 27.06.2020. (2020).
15. Jorgenson D.W., Fraumeni B.M. The Accumulation of Human and Nonhuman Capital, 1948–1984 / R.E. Lipsey, H.S. Tice (eds.). The Measurement of Savings, Investment and Wealth. Chicago: The University of Chicago Press, 1989.
16. Kaufmann, D., Kraay, A, Mastruzzi, M.: The worldwide governance indicators: Methodology and analytical issues.
17. Knoema: R&D Expenditure as a share of GDP. (2017). URL: https://knoema.com/atlas/topics/Research-and-Development/RandD-Expenditure/RandD-expenditure-as-a-share-of-GDP.
18. Legatum Institute: The Legatum prosperity index, 2019. URL: https://www.prosperity.com/rankings.
19. Mincer J. (1994) The Production of Human Capital and The Lifecycle of Earnings: Variations on a Theme. – Working Paper of the NBER, No 4838.
20. Orekhov, V.D., Prichina, O.S., Blinnikova, A.V., Panfilova, E.A., Shchennikova, E.S.: Indicative diagnostics of the educational component of human capital based on mathematical modeling. Opción. Año 35, 20, 2337-2365. (2019).
21. Savina, G., Haelg, F., Potrafke, N., Sturm, J.E.: The KOF globalisation index – revisited. Review of International Organizations, 14(3), 543-557. (2019).
22. Schwab, K., World Economic Forum: The global competitiveness report 2019. URL: http://www3.weforum.org/docs/WEF_TheGlobalCompetitivenessReport2019.pdf
23. Schwab, K.: The global human capital report. World Economic Forum. Cologny/Geneva Switzerlan. 2019. URL: WEF_The Global Competitiveness Report2019.pdf
24. Stern, S., Wares, A., Epner, T.: Social progress index methodology report. URL: https://www.socialprogress.org/assets/downloads/resources/2018/2018-Social-Progress-Index-Methodology.pdf.
25. World Bank Group: The changing nature of work. World development report 2019. Washington, DC 20433.
26. Transparency International: Corruption perception index. URL: https://www.transparency.org/en/cpi.
27. UNDP: Human development indexes and indicators: 2018 statistical update. URL: http://hdr.undp.org/sites/default/files/2018_human_development_statistical_update.pdf.

Для цитирования: Орехов В.Д., Каранашев А.Х. Разработка комплекса из трех моделей человеческого капитала для оценки экономической динамики // Московский экономический журнал. 2021. № 8. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-8-2021-3/ 

© Орехов В.Д., Каранашев А.Х., 2021. Московский экономический журнал, 2021, № 8.

 

Научная статья

Original article

УДК 339

doi: 10.24412/2413-046Х-2021-10450

МЕТОДИКА ПРОВЕРКИ БУХГАЛТЕРСКОЙ (БЮДЖЕТНОЙ) ОТЧЕТНОСТИ 

ACCOUNTING (BUDGET) VERIFICATION METHODOLOGY REPORTING

Булычев Дмитрий Владимирович, преподаватель, ФКОУ ВО «Академия права и управления Федеральной службы исполнения наказаний», город Рязань, E-mail: bulychevd@mail.ru

Bulychev Dmitry Vladimirovich, teacher, FKOU VO «Academy of Law and Management of the Federal Penitentiary Service», Ryazan, E-mail: bulychevd@mail.ru

Аннотация. При проведении проверки финансово-хозяйственной деятельности учреждений одной из целей являются проверка показателей годовой отчетности по виду бюджета. Информация должна содержать достоверную информацию о деятельности учреждения. Целью проверки является установление достоверности годового отчета, подтверждающего соблюдение единого порядка подготовки и представления бюджетного отчета, исполнения бюджетной структуры информации и содержания информационных форм и регламентов, установленных требованиями.

Abstract. When conducting an audit of the financial and economic activities of institutions, one of the goals is to check the annual reporting indicators by budget type. The information must contain reliable information about the activities of the institution. The purpose of the audit is to establish the reliability of the annual report, confirming compliance with the unified procedure for preparing and submitting the budget report, the implementation of the budget structure of information and the content of information forms and regulations established by the requirements.

Ключевые слова: проверка; формы бюджетной отчетности; методы; показатели отчетности

Keywords: audit; budget reporting forms; methods; reporting indicators

Во время проверки используется сплошной или выборочный метод проверки. В рамках внешней проверки обычно используется выборочный метод. Сплошной метод проверки используется в исходящем контрольном событии для отдельных операций.

Информационной базой для внешней проверки являются материалы (документы, информация), представленные объектом контроля, а также полученные по запросу из внешних источников, а именно:

• годовой бухгалтерский учет (баланс) проверяемого учреждения;
• акт инвентаризации, который был проведен до заполнения форм годовой отчетности;
• бухгалтерские записи (бюджет), созданные в течение периода проверки (счета и / или другие записи бюджетного учета);
• реестр государственных (муниципальных) контрактов);
• реестр договоров, заключенных без заключения государственных (муниципальных) контрактов);
• реестр расходных обязательств;
• информация о проведенных мероприятиях по внешнему контролю, количестве выявленных нарушений и недостатков и мерах, принятых для их устранения;
• уведомления о расчетах между бюджетами;
• другая информация, необходимая для контрольного события.

Для начала проверки требуются все документы, необходимые для ее проведения. Затем они анализируют данные, отраженные в документах и отчетных формах. Проводя документальную проверку, аудиторы могут быть прерваны и фактически проверить интересующую их проблему.

Контрольные процедуры, проводимые в связи с проверкой годового бюджета, можно разделить на несколько этапов:

1. Проверка соответствия заполненных форм годовой бухгалтерской отчетности (баланса) нормативным актам, регламентирующим порядок ведения бюджетного учета и составления бухгалтерской отчетности (баланса) (по полноте и форме).

Цель процедуры подтверждения соответствия единому порядку составления и представления бухгалтерской (балансовой) отчетности, требованиям к содержанию бухгалтерской (балансовой) отчетности и формам отчетности.

2. Убедитесь, что показатели форм отчетности соответствуют сальдо и обороту счетов, указанных в главной книге.

Цель данного этапа контрольных процедур – проверка достоверности бюджетных показателей путем сопоставления отчетных показателей с общими данными бухгалтерского учета.

В ходе проведенных проверок:

• сравнение показателей модуля бюджетной отчетности и данных главной книги;
• сумма поворачивается в соответствии с Общим учетом.[1]

В ходе проведения контрольных мероприятий устанавливаются факты искажения показателей деятельности учреждения. Искажение в бухгалтерском учете и учете (бюджете) указывает на неправильное отражение и представление данных бухгалтерского учета и учета (бюджета).

Различают умышленное и непреднамеренное искажение бухгалтерской (балансовой) отчетности. Умышленное искажение данных бухгалтерского учета (баланса) отчетности является результатом умышленных действий (или бездействия) работников учреждения, такие действия совершаются с целью получения прибыли с целью введения в заблуждение пользователей отчетности. Недобровольное искажение данных бухгалтерского учета и бухгалтерской отчетности (баланса) является результатом непреднамеренных действий (или бездействия) работников учреждения. Это может быть следствием арифметических или логических ошибок в бухгалтерском учете, ошибок в расчетах, неправильного отражения в бухгалтерском учете фактов хозяйственной деятельности, неправильной оценки наличия и состояния имущества.

Независимо от того, совершено нарушение при заполнении отчетных форм умышленно или нет, виновным в совершении уголовных правонарушений грозит административная ответственность.

Так в соответствии со ст. 15.15.6 КоАП РФ непредставление или представление с нарушением сроков, установленных бюджетным законом и иными нормативными актами, регулирующими правоотношения по бухгалтерской отчетности , бухгалтерскому балансу, либо подготовка и представление с нарушением требований информации (документов), необходимой для подготовки и рассмотрения проекта бюджета бюджетной системы Российской Федерации, исполнения бюджетов бюджетной системы Российской Федерации, требует привлечения должностных лиц к административной ответственности, от 10 000 до 30 000 рублей. [2]

Проверка балансов бюджетных средств оформляется отдельным документом (актом, справкой, заключением). В заключении (Акте, справке) выражается мнение о наличии, а не о достоверности бюджетных ведомостей или отказываются выражать мнение о достоверности бюджетных ведомостей. Если достоверных данных нет, укажите причины и следствия, которые привели к достоверности бюджетных ведомостей. Отказ в выражении мнения о достоверности бюджета осуществляется в случаях непредставления данных, необходимых для подтверждения достоверности бюджета (неисполнение бюджетных форм, отсутствие необходимых показателей в форме взаимоувязанным показателей другой формы отчетности и т.д.).

В случае возникновения отклонений анализируются причины и условия, повлиявшие на такие расхождения.

Список источников

1. Об утверждении Инструкции о порядке составления и представления годовой, квартальной и месячной отчетности об исполнении бюджетов бюджетной системы Российской Федерации (утверждено Приказом Минфина России от 28 декабря 2010 г. № 191н); [Электронный ресурс] // СПС «Гарант» — режим доступа: https://base.garant.ru/12181732/
2. Кодекс Российской Федерации об административных правонаруше-ниях : Федер. закон от 30 дек. 2001 г. № 195-ФЗ : принят Гос. Думой 20 дек. 2001 г. : одобрен Советом Федерации 26 дек. 2001 г. : [ред. от 2 авг. 2019 г.] // Собрание законодательства Российской Федерации. — 2002.

References

1. Ob utverzhdenii Instrukcii o poryadke sostavleniya i predstavleniya godovoj, kvartal`noj i mesyachnoj otchetnosti ob ispolnenii byudzhetov byudzhetnoj sistemy` Rossijskoj Federacii (utverzhdeno Prikazom Minfina Rossii ot 28 dekabrya 2010 g. № 191n); [E`lektronny`j resurs] // SPS «Garant» — rezhim dostupa: https://base.garant.ru/12181732/
2. Kodeks Rossijskoj Federacii ob administrativny`x pravonarushe-niyax : Feder. zakon ot 30 dek. 2001 g. № 195-FZ : prinyat Gos. Dumoj 20 dek. 2001 g. : odobren Sovetom Federacii 26 dek. 2001 g. : [red. ot 2 avg. 2019 g.] // Sobranie zakonodatel`stva Rossijskoj Federacii. — 2002.

Для цитирования: Булычев Д.В. Методика проверки бухгалтерской (бюджетной) отчетности // Московский экономический журнал. 2021. № 8. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-8-2021-2/ 

© Булычев Д.В., 2021. Московский экономический журнал, 2021, № 8.

Научная статья

Original article

УДК 528.88

doi: 10.24412/2413-046Х-2021-10449 

ДИСТАНЦИОННЫЕ МЕТОДЫ ВЫЯВЛЕНИЯ ПРОЦЕССОВ ДЕГРАДАЦИИ ПОЧВЕННОГО ПОКРОВА

REMOTE SENSING METHODS FOR DETECTING SOIL DEGRADATION PROCESSES

Мезенцева Ольга Варфоломеевна, доктор географических наук, академик РАЕ, ФГБОУ ВО «Омский государственный педагогический университет», Омск

Бевз Виктория Владимировна, аспирант, ФГБОУ ВО «Омский государственный педагогический университет», Омск

Mezentseva Olga Varfolomeevna, Doctor of geographical Sciences, academician of The Russian Academy of Natural History, Omsk State Pedagogical University, Omsk

Bevz Victoria Vladimirovna, Postgraduate student, Omsk State Pedagogical University, Omsk

Аннотация. Во всех странах мира антропогенная деятельность негативно повлияла на состояние земель и их плодородие и привела к деградации почвенного покрова. В данной статье произведен анализ использования материалов дистанционного зондирования Земли для обнаружения и мониторинга участков почвенного покрова, подвергшихся деградации. Рассмотрены комбинированные индексы, применяемые при изучении состояния почв. Приведен пример применения данных дистанционного зондирования Земли для исследования деградации почвенного покрова на сельскохозяйственных угодьях Акмолинской области Республики Казахстан с использованием разновременных космических снимков со спутников Landsat-5 и Landsat-7.      

Abstract. In all countries of the world, anthropogenic activities have negatively affected the state of lands and their fertility and led to the degradation of the soil cover. This article analyzes the use of Earth remote sensing materials for monitoring degraded soil cover areas. The combined indices used in the study of the state of soils are considered. An example of the use of remote sensing of the Earth for the study of agricultural land in the Republic of Kazakhstan using satellite images Landsat-5 and Landsat-7 is given.

Ключевые слова: дистанционное зондирование, космические снимки, деградация почв, почвенный покров

Key words: remote sensing, satellite images, soil degradation, soil cover

Деградация почвенного покрова — серьезная экологическая проблема, особенно в регионах, имеющих сельскохозяйственный профиль развития экономики. Разработка и реализация мер по борьбе с процессами деградации почв требует тщательного изучения степени деградации, площадей ее проявления. Процесс исследования почвенной деградации осложняется ее зависимостью от нескольких переменных, таких как плодородие почвы, климат, топография и деятельность человека [1]. Выявление участков почвы, подвергшихся деградации, и факторов, которые оказывают наибольшее отрицательное воздействие на почвенный покров – является одной из важных задач ученых-экологов во всем мире.

Развитие информационных технологий, появление космических снимков высокого и сверхвысокого разрешения, разработка усовершенствованных моделей геодезического оборудования привели к качественным изменениям методов оценки деградации почв [2]. В связи с этим в последнее время методы дистанционного зондирования Земли и геоинформационные технологии стали ведущими методами оценки деградации почвенного покрова.

Целью данного исследования является анализ использования материалов дистанционного зондирования Земли для выявления процессов деградации почв.

В настоящее время существует несколько десятков спутников дистанционного зондирования Земли с высоким пространственным разрешением (от 30 см до 15 м). Для изучения процессов деградации почвенного покрова чаще всего используются оптические спутниковые системы Landsat, Sentinel, SPOT, WorldView. Данные, полученные со спутников Landsat, являются самыми популярными, поскольку этот проект представляет собой самый продолжительный непрерывный сбор космических данных дистанционного зондирования земли среднего разрешения [3].

Вопросами определения процессов почвенной деградации по спутниковым данным занимались такие исследователи, как Lui W.T., Kogan F.N., Reed B.C., Krause K., Добрынин Д.В., Зборишук Ю.Н., Кравцова В.И., Ильенко Т.В.

Проанализировав исследования отечественных и зарубежных ученых, приходим к выводу, что данные дистанционного зондирования Земли являются важным источником информации для картирования, мониторинга и прогнозирования процессов деградации почвы, так как имеют ряд преимуществ. С помощью космических снимков можно оперативно получить информацию о развитии почвенной деградации, провести наблюдение в определенный момент или отследить ее динамику за определенный промежуток времени [4].

Дистанционные методы изучения почвенного покрова обеспечивают возможность исследования деградации почв в труднодоступной местности, при отсутствии возможности применения полевых методов.

Проанализировав космические снимки, можно получить информацию о факторах, влияющих на развитие процессов деградации почв, таких как рельеф, тип почв, тип растительности, формы землепользования.

Большинство дистанционных методов изучения деградации почв основано на определении индексов, являющихся дробно-линейными комбинациями спектральных каналов в видимом, ближнем инфракрасном и инфракрасном диапазонах спектра.

Спектральные индексы подстилающей поверхности, такие как Нормализованный дифференцированный вегетационный индекс (NDVI) и Нормализованный разностный индекс снега (NDSI), применение метода преобразования Tasseled Cap (TCT), а также Линейного спектрального анализа несмешивания (LSMA) часто используется для оценки деградации почвы, изменения ее свойств [5].

Изменение цвета, структуры почвенного покрова на космических снимках также могут быть показателем их деградации. Цвет — важный параметр, характеризующий состояние почвы. Спектральные характеристики почв зависят от их состава и влажности. К примеру, почвы, подверженные деградации, имеют меньшее содержание гумуса и более светлый оттенок.

Спектральный коэффициент отражения почвы, зависит от содержания оксидов железа и соединений углерода. Низкая отражательная способность почв обычно ассоциируется с низкой степенью деградации (наличие оксидов железа, отсутствие карбонатов) [6].

Индекс спектральной яркости позволяет отличить растительность от непокрытой почвы, в следствие чего, он широко используется как индикатор деградации почвы. Низкий уровень индекса яркости объясняется растительным покровом, а высокий уровень — непокрытой поверхностью [7].

В ходе изучения предлагаемых методов, было выявлено, что алгоритм оценки участков почвы, подверженных деградации состоит из следующих этапов:

1. выявление факторов, способствующих деградации почвенного покрова на исследуемой территории;
2. подбор материалов дистанционного зондирования Земли на исследуемой территории, их анализ, обработка и обнаружение процессов деградации почв;
3. изучение динамики процессов почвенной деградации по сериям спутниковых снимков;
4. сопоставление полученной информации ​​со старыми топографическими картами;
5. создание тематических картографических материалов;
6. прогнозирование развития процессов деградации;
7. разработка мероприятий по борьбе с деградацией почвенного покрова на исследуемой территории.

В качестве примера применения данных дистанционного зондирования Земли для исследования деградации почвенного покрова рассмотрим выявление эрозионных процессов на сельскохозяйственных угодьях Акмолинской области Республики Казахстан с использованием разновременных космических снимков со спутников Landsat-5 и Landsat-7.

На снимках за 1995, 2005 и 2020 гг. (Рис. 1) мы можем наблюдать динамику эрозионных процессов как одну из форм проявления деградации почв.

Выявление эродированных участков было достигнуто путем применения эмпирических уравнений: универсальное уравнение потерь почвы, пересмотренное универсальное уравнение потерь почвы и т.д. Визуальное дешифрование производилось последовательно и состояло из идентификации, классификации, интерпретации результатов.

Анализ пригодности данных дистанционного зондирования Земли для определения территорий с деградацией почв, мониторинга, оценки воздействия человека на почву показывает возможность использования серий мультиспектральных изображений для решения указанного круга задач.

Спутниковая съемка позволяет быстро и своевременно фиксировать наличие и интенсивность процессов деградации почв, прогнозировать их влияние на рельеф, содержание гумуса, продуктивность сельскохозяйственных угодий.

Список источников

1. Добровольский Г.В. Деградация и охрана почв. — М.: Изд. Московского университета, 2002. — 651 с.
2. Лабутина И.А. Дешифрирование аэрокосмических снимков. – М.: Аспект Пресс, 2004. – C.98-99.
3. Ермолаев О.П., Медведева Р.А., Платончева Е.В. Методические подходы к мониторингу процессов эрозии на сельскохозяйственных землях Европейской части России с помощью материалов космических съемок // Учен. зап. Казан. ун-та. Сер. Естеств. науки. – 2017. – Т. 159, кн. 4. – С. 668–680.
4. Reed B.C. Using remote sensing and Geographic Information Systems for analyzing landscape/drought interaction. International Journal of Remote Sensing, 14, 1993, p.p. 3489 – 3503.
5. Kogan, F.N. 1987: Vegetation index for areal analysis of crop conditions. Preprints, Proc.18th Conf. Of Agricaltural and Forest Meteorology, West Lafayette, IN, Amer. Meteor. Soc., p.103-107.
6. Carlson T.N., Gillies R.R., Perry E.M. A method to make use of thermal infrared temperatures and NDVI measurements to infer soil water content and fractional vegetation cover. Remote Sensing Reviews, 1994, № 9, p.p.161 – 173.
7. Виноградов Б.В. Дистанционное измерение фитомассы. // Исследование Земли из космоса. – 1982. – №5. с. 36 – 45.

References

1. Dobrovol`skij G.V. Degradaciya i oxrana pochv. — M.: Izd. Moskovskogo universiteta, 2002. — 651 s.
2. Labutina I.A. Deshifrirovanie ae`rokosmicheskix snimkov. – M.: Aspekt Press, 2004. – C.98-99.
3. Ermolaev O.P., Medvedeva R.A., Platoncheva E.V. Metodicheskie podxody` k monitoringu processov e`rozii na sel`skoxozyajstvenny`x zemlyax Evropejskoj chasti Rossii s pomoshh`yu materialov kosmicheskix s«emok // Uchen. zap. Kazan. un-ta. Ser. Estestv. nauki. – 2017. – T. 159, kn. 4. – S. 668–680.
4. Reed B.C. Using remote sensing and Geographic Information Systems for analyzing landscape/drought interaction. International Journal of Remote Sensing, 14, 1993, p.p. 3489 – 3503.
5. Kogan, F.N. 1987: Vegetation index for areal analysis of crop conditions. Preprints, Proc.18th Conf. Of Agricaltural and Forest Meteorology, West Lafayette, IN, Amer. Meteor. Soc., p.103-107.
6. Carlson T.N., Gillies R.R., Perry E.M. A method to make use of thermal infrared temperatures and NDVI measurements to infer soil water content and fractional vegetation cover. Remote Sensing Reviews, 1994, № 9, p.p.161 – 173.
7. Vinogradov B.V. Distancionnoe izmerenie fitomassy`. // Issledovanie Zemli iz kosmosa. – 1982. – №5. s. 36 – 45.

Для цитирования: Мезенцева О.В., Бевз В.В. Дистанционные методы выявления процессов деградации почвенного покрова // Московский экономический журнал. 2021. № 8. URL: https://qje.su/nauki-o-zemle/moskovskij-ekonomicheskij-zhurnal-8-2021/

© Мезенцева О.В., Бевз В.В., 2021. Московский экономический журнал, 2021, № 8.

Научная статья

Original article

УДК 330

doi: 10.24412/2413-046Х-2021-10546 

НОВЫЕ ФАКТОРЫ ВЛИЯЮЩИЕ НА ФОРМИРОВАНИЕ ФУНКЦИОНАЛА ЧЕЛОВЕЧЕСКИХ ПОТРЕБНОСТЕЙ В УСЛОВИЯХ ЦИФРОВИЗАЦИИ 

NEW FACTORS INFLUENCING THE FORMATION OF THE FUNCTIONALITY OF HUMAN NEEDS IN CONDITIONS OF DIGITALIZATION

Хохлов Александр Андреевич, кандидат технических наук, доцент, Волжский государственный университет водного транспорта, г. Нижний Новгород

Волостнов Николай Степанович, доктор экономических наук, профессор, ИПТД (Институт пищевых технологий и дизайна) ­­– филиал НГИЭУ, г. Нижний Новгород

Лазутина Антонина Леонардовна, кандидат экономических наук, доцент, ИПТД (Институт пищевых технологий и дизайна) ­­– филиал НГИЭУ, г. Нижний Новгород, НГПУ им. К. Минина  (Мининский университет), г. Нижний Новгород 

Khokhlov A.A., hakva54@bk.ru

Volostnov N.S., volostnov_nikolay@mail.ru

Lazutina А.L.,  lal74@bk.ru 

Аннотация. В статье раскрывается экономическое содержание потребностей людей, как био-социальных личностей; рассматривается не только производство вещей, но и производство людей, которое объективно невозможно без экономических благ – вещей, услуг, работ.

Исходя из современных характеристик экономических благ, удовлетворяющих и развивающих личность каждого члена общества / государства, –  а это наблюдается не только в развитых странах, к этому идет все человечество на основе производительных сил, детерминированных развертыванием научно-технической революции во всем мире, а  тем самым и расширением доступа к ним, предложена оригинальная трактовка современного рынка экономических благ, который включает в себя такие сегменты, как: рынок обычных / традиционных экономических благ; рынок симулятивных экономических благ; рынок сетевых экономических благ.

Abstract. The article reveals the economic content of people’s needs as bio-social individuals; it is considered not only the production of things, but also the production of people, which is objectively impossible without economic benefits — things, services, work.

Based on the modern characteristics of economic benefits that satisfy and develop the personality of each member of society/state, — and this is observed not only in developed countries, to this all humanity goes on the basis of productive forces, Determined by the unfolding of the scientific and technological revolution throughout the world, and thereby by increased access to them, offers an original interpretation of the modern market of economic benefits, which includes such segments as: the market of ordinary/traditional economic benefits; the market for simulation economic benefits; network economic benefits market.

Ключевые слова. Потребности, экономические блага, рынок, научно-технический прогресс, традиционные экономические блага, сетевые экономические блага, рынок, воспроизводство, потребности

Keywords. Needs, economic benefits, market, scientific and technological progress, traditional economic benefits, network economic benefits, market, reproduction, needs

Воспроизводство человечества включает в себя не только воспроизводство рабочей силы, но и воспроизводство  людей. К сожалению, в современной  экономической науке, речь идет исключительно о воспроизводстве рабочей силы, что в корне неверно. Производство людей осуществляется в тесной взаимосвязи с производством вещей.

Более того, в этом смысле речь в экономической науке речь идет о воспроизводстве такого узкого сегмента людей, как экономически активное население [1]. Это с одной стороны правильно, поскольку именно оно созидает / создает экономические блага, стоимость, которая затем распределяется / перераспределяется и используется, в том числе и для воспроизводства других категорий населения. Воспроизводство последних в этом смысле носит производный характер. Это означает, что, чем выше численность экономически активного населения, чем оно фондовооруженнее,  или / капиталовооруженее / науковооруженнее / знание-вооруженнее, чем продуктивнее / эффективнее, тем больше реальных возможностей (при прочих равных условиях) осуществлять их воспроизводство – неработающих (детей, школьников, студентов, военнослужащих, чиновников и т.п.).

Процесс воспроизводства человека, как био-социального существа неразрывно связан с удовлетворением его потребностей, которые носят конкретно-исторический характер. Закономерностью их движения является их возрастание, усложнение их структуры, сокращение времени, цикла удовлетворения [3]. Речь в этом смысле идет и о том, что органичной компонентой этого процесса является развитие личности каждого члена общества, создание условий для его самореализации, что настоятельно диктуется требованиями развертывающейся научно-технической революции.

Учитывая, что потребности представляют собой выражение объективно необходимых условий воспроизводства, экономические  блага, которые связаны с этим, объективно необходимо и важно, особенно для лиц принимающих решения (ЛПР), для элит (политических, бизнес-элит), учитывать специфику производимых / распределяемых / обмениваемых / потребляемых / используемых благ.

Так, все экономические блага можно подразделить на предметы потребления и средства производства; на:  вещи, услуги и работы; на основные и производные; первичные и вторичные; на естественные (минерального, растительного, животного происхождения) и искусственные; реальные и виртуальные; на движимые и недвижимые; на моно- и поли –разового применения; делимые и неделимые; хранимые и нехранимые; на автономные (хлеб, сахар и др.) и взаимозаменяемые (кофе – чай; яблоки – груши); взаимодополняемые – бензин и автомобиль, сотовый телефон и компьютер, нейтральные и т.д.; частные блага, смешанные и чистые общественные блага; конечные и промежуточные блага; блага с реальной полезностью, блага с дополнительной полезностью, обусловленной – их редкостью, связанной  с естественной ограниченностью их производства, с высокой ценой и ограниченным спросом, а также блага с дополнительной полезностью, детерминированной сетевым характером их потребления.

Данная классификация имеет значение не только для лиц. принимающих решение, для элит, но и для маркетологов, поскольку обычные или традиционные вещи / услуги / работы – продукты питания, вода и напитки, обувь, одежда, жилье, транспортные средства, включают в себя также симулятивные экономические блага, которые имеют дополнительную полезность, которая является субъективной реальностью, однако, генерируется тщеславием человека, его гордыней, его некоей исключительностью (одаренностью, талантом, способностями, связями / блатом, статусом, властью, богатством и т.д.), когда продается и покупается / потребляется не просто потребительная стоимость, а некое символическое благо, когда потребительная стоимость демонстрируется, показывается ее обладателем, что она недоступна для остальных , –  например, покупаются не просто часы, которые показывают «который час», а часы престижной марки, с бриллиантами, изумрудами и т.д., за десятки и сотни млн. долларов; не просто обувь – кроссовки, а кроссовки известного бренда, стоящие десятки млн. долларов; штучные женские сумочки, которые производятся по одной штуке в месяц и стоят десятки тыс. долларов, – например женская сумочка французского дома моды Hermes «Birkin» продается сегодня за 380 тыс. долларов; в этом же ряду жилье, которое строится и располагается в престижном районе, – дорогое, недоступное для посещения другими людьми / обывателями; это же касается покупки престижных благ в брэндовом магазине, питания в престижном ресторане, клубные блага для элитариев, куда вход обычным «смертным» воспрещен; здесь же чисто виртуальные экономические блага – компьютерные игры, различные чемпионаты иллюзий т.п. [5].

Наряду, с обычными / традиционными, симулятивными благами, необходимо вычленять также сетевые блага, – в частности, программные продукты и компьютеры и т.д. Их особенностью является наличие внешних эффектов (положительных и отрицательных) в потреблении.

Если говорить о положительном внешнем эффекте, то полезность, которую получает каждый покупатель / потребитель от такого блага,  напрямую определяется числом пользователей этим благом. Действительно, если до революции домашний телефон был у царя Николая II и у его приближенных,  элит, то совершенно другая ситуация уже с полезностью от потребления сотовых телефонов в современных условиях, когда ими владеют не просто млн., а млрд. людей. Причем, в этих условиях происходит не исчезновение полезности, не ее истощение, – из-за интенсивного, массового наращения пользователей, а, напротив, ее повышение / развертывание. Данные сетевые  блага являются сложными и для их разработки, и для производства, и для потребления; они требуют колоссальных инвестиций в науку, в образование, в обучение / переобучение, но, с другой стороны, как показывает современная практика, производство подобных экономических благ происходит за счет эффекта масштаба и массовости потребления, когда наблюдается существенное – на порядок – сокращение издержек производства и издержек использования  / потребления [2].

Другой важной чертой данных экономических благ, если говорить о глобализации, выступает та, что производители во всех странах мира, используя возможности правительств / власти, бизнес-сообществ, общественных институтов нуждаются  в разработке и внедрении на этот счет единых стандартов. Следует также подчеркнуть, что данные блага реализуют свою полезность не изолированно, а в определенной совокупности, – например, сотовый телефон и вышки / ретрансляторы, разработка программных продуктов, различных приложений.

Специфика данных сетевых благ стимулирует известный отрыв научной, технической, инженерной элит, от государства / власти. Данные социальные группы начинают играть относительно самостоятельную, автономную от государства роль, с чем последнее, разумеется, не соглашается и никогда не согласится. Современное человечество в настоящее время это противоречие наблюдает воочию, – в частности, общеизвестно, как «загуглили» президента США Д.Трампа; или – как в современной России информационные гиганты пытаются игнорировать законные, справедливые интересы российского государства / общества относительно распространяемого ими контента, связанного с рекламой наркотиков, суицида, терроризма и т.д.

Следует подчеркнуть, что сегмент современного рынка, связанный с сетевыми благами в настоящее время достаточно успешно  развивается – и по масштабам, и по интенсивности, по темпам, по охвату различных стран и народов.

Сложность и противоречивость современной мировой экономики, связанная с диалектикой потребностей, их структурной перестройкой, их возвышением (В.И. Ленин), в том числе не должна игнорировать и такие важные компоненты как: уровни, качество и продолжительность жизни различных социальных групп – сверхбогатых / богатых / среднего класса / бедных, люмпенизированных слоев; расовые / этнические особенности; религиозные пристрастия, – так, например, мусульмане не едят свинины, православные не вкушают в посты скоромные  – мясо, сливочное масло; или, в этом же ряду, потребность в пище может быть связана с потреблением здоровой и нездоровой пищи, пищи, различной по полезным веществам, калорийности, энергии; здоровым и нездоровым питанием – булимия, анорексия, вегетарианство и пр.; с модой; с образом жизни – спортивным / не спортивным и т.д.; что касается социальной стороны потребностей, то важно обратить внимание на такие обстоятельства, как их легитимность / нелегитимность, «со здоровой и с «теневой экономикой»; с благами и анти-благами (алкоголь, наркотики, табак) и др.

Еще одной существенной проблемой понимания потребностей является учет их взаимосвязи не только с платежеспособным спросом, но с семьями; внешними и внутренними источниками воспроизводства людей; с запасами (национальные богатства) и потоками (заработная плата, прибыль, рента, ссудный процент); с трудом, который является, как говорил К. Маркс, потребностью всякого здорового человека [4].

 И, что еще более важно, необходимо учитывать общественно- политическую, социально-экономическую компоненту и формирования, и материализации, и удовлетворение потребностей людей в условиях научно-технического прогресса, покрывающего в настоящее время все человечество, весь мир. 

Список источников

1. Ананченкова П.И. Трансформационные процессы на рынке труда и их влияние на развитие корпоративного обучения. Труд и социальные отношения. 2020. № 2. С. 88-97.
2. Мельников В.Ю. Роль государства в обеспечении прав и свобод человека. Мельников В.Ю. Ростов-на-Дону, 2020.
3. Кос А., Кучерявый А.Е., Костин А.А. Приложения интернета вещей. В сборнике: Актуальные проблемы инфотелекоммуникаций в науке и образовании. III Международная научно-техническая и научно-методическая конференция: сборник научных статей. 2014. С. 32-38.
4. Лазутина А.Л., Лебедева Т.Е., Люшина Э.Ю., Моровова И.М., Цапина Т.Н. Кадровый резерв: особенности, оценка и проблемы формирования. Московский экономический журнал. 2017. № 4. С. 72.
5. https://fashionunited.ru/novostee/moda/v-gonkonge-za-380-tys-dollarov-prodana-samaya-dorogaya-sumka-v-mire/2017060418270

References

1. Ananchenkova P.I. Transformational processes in the labor market and their impact on the development of corporate training. Work and social relations. 2020. № 2. S. 88-97.
2. Melnikov V.Yu. The role of the state in ensuring human rights and freedoms. Melnikov V.Yu. Rostov-on-Don, 2020.
3. Kos A., Kucheryavy A.E., Kostin A.A. Applications of the Internet of Things. In the collection: Topical problems of infotelecom communications in science and education. III International Scientific, Technical and Methodological Conference: a collection of scientific articles. 2014. C. 32-38.
4. Lazutina A.L., Lebedeva I.E., Lyushina E.Yu., Morovova I.M., Tsapina T.N. Personnel reserve: features, assessment and problems of formation. Moscow Economic Journal. 2017. № 4. Page 72.
5. https://fashionunited.ru/novostee/moda/v-gonkonge-za-380-tys-dollarov-prodana-samaya-dorogaya-sumka-v-mire/2017060418270

Для цитирования: Хохлов А.А., Волостнов Н.С., Лазутина А.Л. Новые факторы влияющие на формирование функционала человеческих потребностей в условиях цифровизации // Московский экономический журнал. 2021. № 8. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-8-2021-65/

© Хохлов А.А., Волостнов Н.С., Лазутина А.Л., 2021. Московский экономический журнал, 2021, № 8.