Вы находитесь на странице: 1из 8

MANAGEMENT ISSUES. 2019.

№ 2(38)

МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ ПОКАЗАТЕЛЕЙ


СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ РЕГИОНА

УДК 332.144 ГСНТИ 14.33


ББК 65.050.2-237 Код ВАК 08.00.05
DOI: 10.22394/2304-3369-2019-2-132-139

Н. В. Яндыбаева
Российская академия народного хозяйства и государственной службы
при Президенте Российской Федерации,
Балаково, Россия
AuthorID: 726673
АННОТАЦИЯ: Цели. Разработка математической модели для прогнозирования показателей со-
циально-экономического развития региона. Проведение вычислительного эксперимента с
разработанной моделью и анализ полученных результатов.
В процессе исследования использовались методы сравнительного анализа, обобщений, сис-
темного подходов. Информационно-эмпирической базой исследования являются данные Фе-
деральной службы государственной статистики и региональных органов власти.
Проанализирован существующий подход к разработке региональных прогнозов, выявлены
проблемы в региональном прогнозировании, снижающие качество прогнозов. Предложена
альтернативная методика формирования долгосрочных прогнозов социально-экономического
развития региона с использованием разработанной с использованием системно-
динамического подхода математической моделью.
Научная новизна заключается в следующем: предложена новая математическая модель, разра-
ботанная на основе модели системной динамики, для моделирования и прогнозирования по-
казателей социально-экономического развития региона.
Представленный подход к прогнозированию показателей социально-экономического развития
региона позволяет повысить эффективность прогнозного инструментария и предоставляет
ЛПР возможность оперативного управления ситуацией в регионе. Разработанная математиче-
ская модель способствует увеличению точности региональных прогнозов. Показаны результа-
ты прогнозирования показателей социально-экономического развития Балаковского муници-
пального района Саратовской области на временном интервале [2011; 2021] гг.

КЛЮЧЕВЫЕ СЛОВА: математическая модель, системная динамика, прогнозирование, показате-


ли социально-экономического развития.

ИНФОРМАЦИЯ ОБ АВТОРАХ:
Наталья Валентиновна Яндыбаева, кандидат технических наук, доцент, Балаковский филиал
Российской академии народного хозяйства и государственной службы при Президенте Россий-
ской Федерации, 413865, Россия, г. Балаково, ул. Чапаева, д. 107, nat07@inbox.ru

ДЛЯ ЦИТИРОВАНИЯ: Яндыбаева Н. В. Моделирование и прогнозирование показателей соци-


ально-экономического развития региона // Вопросы управления. 2019. № 2 (38). С. 132—139.

Изменения и трансформации, происхо- страны и регионов представляется важной


дящие сегодня в стране, диктуют необхо- задачей для органов исполнительной вла-
© Н.В. Яндыбаева, 2019

димость адаптивности региональной поли- сти России, в ходе решения которой опре-
тики. Это особенно актуально для страны, деляются возможные сценарии развития и
состоящей из множества регионов, имею- выявляются наиболее оптимальные на-
щих свою особую траекторию развития, без правления региональной социально-
учета которой принятие большинства экономической политики.
управленческих решений будет иметь нега- В работах А. Ю. Калиниченко [1],
тивные последствия. Поэтому прогнозиро- В. А. Чейметовой, были определены особен-
вание социально-экономического развития ности социально-экономического развития
132
ВОПРОСЫ УПРАВЛЕНИЯ. 2019. №2(38) Н.В. Яндыбаева

регионов. Проблемами регионального про- турного сектора на 2016 год и на плановый


гнозирования занимались также А. Р. Бело- период 2017 и 2018 годов».
усов, A. M. Зубахин, А. Г. Гранберг [2], Специалистами отдела экономического
Г. В. Горелова [3], О. С. Пчелинцев и др. анализа и прогнозирования администрации
В ходе проведенного исследования были БМР на основе статистических данных раз-
определены следующие причины прогноз- рабатываются прогнозные эконометриче-
ных ошибок, значительно снижающих каче- ские модели.
ство регионального прогнозирования: При этом заполняются стандартные таб-
– не полная согласованность целей и за- личные формы (2П) с применением мето-
дач на различных уровнях управления, что дических рекомендаций, которые специа-
способствует невыполнению плановых со- листы отдела экономического анализа и
циально-экономических показателей; прогнозирования получают из Управления
– в планах и прогнозах отсутствует учет анализа и прогнозирования администрации
особенностей снабжения региона опреде- муниципального образования «Город Сара-
ленными ресурсами, в силу чего многие тов».
плановые показатели не могут быть дос- Рассчитанные прогнозные значения по-
тигнуты; казателей социально-экономического раз-
– статистические данные, предоставляе- вития БМР помещаются в ГАС «Управление»
мые предприятиями и организациями го- и используются ЛПР различных уровней
рода в отделы статистики, зачастую явля- власти в качестве основы для принятия
ются неполными и неточными; управленческих решений [7].
– при формировании регионального про- Однако широко применяемые сотрудни-
гноза необходимо учитывать целевые пока- ками отдела экономического анализа и
затели федеральных и региональных про- прогнозирования эконометрические мето-
грамм социально-экономического развития; ды разработки прогнозной модели не все-
– неверный выбор сценария социально- гда позволяют получить достоверные про-
экономического развития региона: он не гнозы, поскольку не предсказывают появ-
всегда объективно отражает реальные воз- ление кризисных тенденций в экономике
можности социально-экономического раз- региона. Поэтому для повышения эффек-
вития конкретного региона [4]; тивности разработки региональных про-
– недостаточно используются возможно- гнозов необходимо использовать альтерна-
сти математического моделирования [5]. тивные математические методы и модели,
При формировании региональных про- например, модель системной динамики, ис-
гнозов используется следующая информа- пользуемую для анализа сложных экономи-
ция: сценарные условия развития РФ [6], ческих и социальных процессов и явлений.
других государств мира, данные о колебани- Модель системной динамики содержит
ях цен на товары производителей-моно- следующие элементы: системные уровни
полистов и прочие сведения, которые пред- (далее – моделируемые переменные), кото-
лагает применять Минэкономразвития РФ. рые являются аккумуляцией в петлях об-
Рассмотрим существующую методику ратной связи; потоки, передвигающие со-
регионального прогнозирования на приме- держимое между уровнями; процедуры ре-
ре Балаковского муниципального района шений, которые изменяют темпы. Процеду-
Саратовской области (далее – БМР): ры решений с уровнями соединяются с по-
Необходимые для разработки прогноза мощью каналов информации. Для модели-
статистические данные по БМР аккумули-
руемых переменных Хi(t), i  1, n составля-
руются «Отделом государственной стати-
ются дифференциальные уравнения:
стики в г. Саратов №2 (включая специали-
стов в г. Балаково)». dХ i (t )
 Х i (t )  Х i (t ) (1)
Методической основой при оценке теку- dt
щего состояния социально-экономического
где i
Х  (t ) / X i (t ) – положительный/ от-
развития БМР являются «Сценарные усло-
вия, основные параметры прогноза соци- рицательный темп скорости переменной
ально–экономического развития Россий- Хi(t), содержащий все детерминанты, спо-
ской Федерации и предельные уровни цен собствующие росту / убыванию анализи-
(тарифов) на услуги компаний инфраструк- руемой переменной.

133
MANAGEMENT ISSUES. 2019. № 2(38) N.V. Yandybaeva

Допустим, что темпы дифферен


дифференцируются на произведение функций,
кций, зависящих
зави только от
факторов, являющихся совокупнос
вокупностью основных переменных – функций
кций моделируемых
мод пере-
менных:

Х (t )   Х ( y1 (t ), y2 (t ),..., yn (t ))  f ( FV1 (t ), FV2 (t ),...FVk (t ))  f1 (FV1 (t )) f 2 ( FV2 ))...


)) f k (FVk (t )); (2)

где FVj=gj(yi1(t)…yiх(t))–внешн внешние фак- Х5R(t) – среднемесячна


емесячная зарплата (руб.);
торы, причем Х=Х(j)<n,, k=k(j)<k=k(j)<n (число Х6R(t) – продолжитель
олжительность жизни на-
системных уровней) [8]. селения (лет);
На следующем этапе формируется
формиру сис- Х7R(t) – суммарный
арный выброс
вы загрязняю-
тема нелинейных, неоднородны нородных, разно- щих веществ в атмосферу
мосферу (тыс.
( тонн);
темповых, нестационарных ых диф дифференци- Х8R(t) – миграционный
ационный прирост (чел.);
альных уравнений. Значения чения моделируе-
мо Х9R(t) – объем ем отгруженных
отгру товаров
Х i (t ), i  1, n собственного производст
оизводства, выполненных
мых переменных рассчитыва-
работ и услуг промышле
ромышленными предпри-
ются из решения системы уравнений
уравнен на за-
ятиями (млрд. рублей);
блей);
данном временном интервале вале с заданными
за
Х10R(t) – объемм производства
произв продукции
начальными условиями. Внешние факторы
сельского хозяйства
ства (в фактически
ф дейст-
FVi(t) измеряются либо в каче качественной
вующих ценах), млн. н. руб.;
шкале, либо в количественной. енной. В расчетах
Х11R(t) – индекс
кс потребительских
потреб цен по
используются нормированные ванные значения
Саратовской области.
VFi (t ) Так как моделируемые
лируемые переменные яв-
VFi* (t )  , i  1, k ;
факторов:
VFi н ляются абсолютными [10] и затрудняют
расчеты, их следует
ует нормировать
норм с приме-
где VFi(t) – текущее значение
начение перемен- нением нормировочных
вочных коэффициенты –
ной в численной шкале, VFiн – нормировоч-
нор значений моделируемых
ируемых переменных в
ный коэффициент. Предположим
положим, что все 2011 году.
моделируемые переменные ые являются
явля ко- Для иллюстрации
ации причинно-следствен-
при
личественными. В расчетах
тах применяются
прим ных связей между ду моделируемыми
модел пере-
нормированные значения я модел
моделируемых менными Х1R(t)-Х11R(t)
Х11R(t) применяется орг-
переменных, рассчитанныеые по формуле: раф, представленный на рис.ри 1.
Х i (t )
Х i* (t )  , i  1,11,
Х iн где Хi(t)
i(t) – текущее
значение моделируемой переменной,
переменн опре-
деленное в численной шкале,
але, Хiн – норми-
ровочный коэффициент (значен
(значения пере-
менных в 2011 году).
Выберем моделируемыее переме
переменные XiR
(t) i  1;11 , которые представляю
едставляют собой
подборку, характеризующую ую урове
уровень соци-
ально-экономического развития
звития БМ
БМР [9]:
Х1R(t) – численность постоянного
постоянн насе-
ления (тыс. чел.);
Х2R(t) – занято в экономике,
омике, всего
вс (тыс. Рис. 1. Ориентиров
иентированный граф
человек); взаимосвязейей между X1R(t)-X11R(t)
Х3R(t) – численность безработн
езработных, заре-
гистрированных в центре занятости
занятост Разработаннаяя матема
математическая модель
населения (на 1 январяря следующего
следую за для БМР имеет вид:
отчётным года) (чел.);
Х4R(t) – уровень безработицы,
ботицы, %%;

134
ВОПРОСЫ УПРАВЛЕНИЯ. 2019. №2(38) Н.В. Яндыбаева
 dX 1R (t ) 1
  R *  ( R (t )  M (t ))  f19 ( Х 6 )  f 31 ( X 8 )  ( S (t )  VZ ( t )  U ( t ))  f 30 ( Х 8 );
 dt X 1
 dX R (t ) 1
 2
 R *  ( P (t )  R ( t )  W ( t )  Bis (t )  VT ( t ))  f1 ( Х 1 )  f 7 ( X 10 )  f 8 ( X 9 )  f18 ( Х 6 ) 
 dt X2

  ( S ( t )  ZB (t )  Ub ( t )  E (t ))  f13 ( Х 1 )  f14 ( Х 5 )  f 9 ( Х 3 );
 dX R (t ) 1
 3  R *  ( P (t )  I (t )  SB ( t ))  f 4 ( Х 1 )  f15 ( Х 5 )  ( Bis ( t )  VT (t )) ;
 dt X3
 R*
 dX 4 ( t )  1  (Ub (t )  D (t )  I (t ))  f ( Х )  f ( Х )  f ( Х )  f ( X )  ( Bis (t )  VT (t )  Q ( t )  E (t ))  f ( Х );
 dt X 4R *
5 1 10 3 6 2 10 3 16 5

 dX 5R (t ) 1
 dt  R *  ( Sh min (t )  Bg (t )  Pr( t )  X 9 ( t )  X 10 ( t ))  f 24 ( Х 9 )  f 25 ( Х 10 )  ( I (t )  Bd (t ))  f 26 ( X 11 )  f 28 ( Х 11 );
 X5

 dX 6R (t ) 1
 dt  R *  ( Sc ( t )  ShB (t )  SB ( t ))  ( Sh pr (t )  VZ (t )  S (t )  ZB (t ))  f 20 ( Х 7 );
 X 6
 dX R (t ) 1
 7
 R *  ( X 9 (t )  X 10 (t )  PZ (t ))  f 22 ( Х 9 )  f 23 ( Х 10 )  Ze ( t );
 dt X7
 R
dX
 8 ( t ) 1
 R *  (U (t )  Ub (t )  Sc ( t )  W (t )  SB ( t ))  f 21 ( Х 3 )  f17 ( Х 5 )  f11 ( Х 4 )  (VT (t )  Bis ( t )); (3)
 dt X8

 dX 9R (t ) 1
 dt  R *  ( P (t )  D ( t )  F (t )  In ( t )  PZ ( t )  X 10 ( t ))  f 3 ( Х 1 ) f 30 ( Х 10 )  (U ( t )  Ub (t )  I (t ))  f13 ( Х 4 )  f 27 ( Х 11 );
 X 9
 dX R ( t ) 1
 10  R *  ( P (t )  D (t )  F (t )  In ( t )  AZ (t )  X 9 (t ))  f 2 ( Х 1 )  (U (t )  Ub (t )  I (t ))  f12 ( Х 4 )  f 28 ( Х 11 );
 dt X 10
 R
 dX 11(t)  1  (U(t)  Ub(t)  M (t )  Bd (t ))  f ( Х )  Bg(t) ;
 dt X 11R *
29 8

Принятые в модели (3) обозначения PZ(t) – число промышленных предпри-


внешних факторов VFi(t): ятий;
I(t) – инфляция (%); VZ(t) – объем выбросов загрязняющих
D(t) – численность экономически актив- веществ в воду, почву, воздух (у.ед.);
ного населения (чел.); Ze(t) – затраты на охрану окружающей
W(t) – предложение трудовых ресурсов среды (руб.);
(чел.); S(t) – количество умерших (чел.);
P(t) – численность населения (чел.); ZB(t) – число инфекционных больных
Pm(t)– среднедушевой доход населения (чел.);
(руб.); ShB – число коек в больницах (ед.);
F(t) – фонд рабочего времени (чел.-дн.); SB(t) – численность населения с доходом
Ub(t) – численность безработных (чел.); ниже прожиточного минимума (чел.).
M(t) – объем миграции (чел.); В модели также используются функцио-
E(t) – средняя заработная плата (руб.); нальные зависимости fi(Xi), предназначен-
Sc(t) – среднедушевые доходы населения ные для учета взаимовлияния моделируе-
(руб.); мых переменных:
Bis(t) – количество частных предприни- f1(X1) – зависимость численности заня-
мателей (чел.); тых в экономике от численности постоян-
Shmin (t) – прожиточный минимум (руб.); ного населения;
VT(t) – спрос на труд в различных отрас- f2(X1) – зависимость объема отгружен-
лях народного хозяйства (чел.); ных товаров собственного производства,
Bd(t) – дефицит бюджета (руб.); выполненных работ и услуг промышлен-
Bg(t) – профицит бюджета (руб.); ными предприятиями от численности по-
In(t) – размер инвестиций (руб.); стоянного населения и др.
Q(t) – затраты на обучение и переподго- Функциональные зависимости опреде-
товку кадров (руб.); ляется на основе корреляционно-
U(t) – уровень безработицы (%); регрессионного анализа, и имеют вид по-
Pr(t) – уровень потребительских цен линомов 3–4 степени.
(руб.); Проверка адекватности разработанной
Shpr – число зарегистрированных престу- математической модели осуществляется с
плений; использованием ретроспективных данных.

135
MANAGEMENT ISSUES. 2019. № 2(38) N.V. Yandybaeva

На рис. 2 приведен график динамики пока- гнозных показателей социально-


зателей социально-экономического разви- экономического развития БМР.
тия БМР на интервале [2011; 2021] гг. Таким образом, представлено описание
Из графика видно, что значения показа- разработанной на основе модели системной
телей социально-экономического развития динамики математической модели для про-
Х1, Х2, Х5, Х6, Х7, Х8, Х9, Х10, Х11 на прогнозном гнозирования показателей социально-
интервале [2018; 2021] лет вырастут незна- экономического развития региона. Приве-
чительно. Значения показателей Х3, Х4 сни- дены результаты вычислительного экспе-
зятся также не существенно. В таблице 1 римента по БМР на временном интервале
приведены значения фактических и про- [2011; 2021] гг.

Рис. 2. Динамика показателей социально-экономического развития БМР на интервале


[2011; 2021] гг.

Таблица 1
Фактические и прогнозные значения показателей социально-экономического развития БМР

Годы
Хi Значение показателя
2011 2016 2021 (прогноз)
Численность постоянного населения (тыс. чел.) 218,3 211,5 213,93
Х1
Нормированные относительно 2011 г. 1 0,969 0,98
Занято в экономике,
63,8 56,6 58,7
Х2 всего (тыс. человек)
Нормированные относительно 2011г. 1 0,887 0,92
Численность безработных, зарегистрированных в
986 889 739,5
Х3 центре занятости населения (чел.)
Нормированные относительно 2011 г. 1 0,902 0,75
Уровень безработицы, % 0,9 0,7 0,63
Х4
Нормированные относительно 2011 1 0,778 0,7
Среднемесячная зарплата (руб.) 17 369 25 479 28137
Х5
Нормированные относительно 2011 г. 1 1,467 1,62
Продолжительность жизни населения (лет) 69,9 67,8 71,6
Х6
Нормированные относительно 2011 г. 1 0,97 1,024
Валовой выброс загрязняющих веществ в атмо-
9,97 6,7 6,78
Х7 сферу (тыс. тонн в год)
Нормированные относительно 2011 г. 1 0,672 0,68
Х8 Миграционный прирост (чел.) -949 -711 -845
136
ВОПРОСЫ УПРАВЛЕНИЯ. 2019. №2(38) Н.В. Яндыбаева

Годы
Хi Значение показателя
2011 2016 2021 (прогноз)
Нормированные относительно 2011г. 1 0,749 0,89
Объем отгруженных товаров собственного произ-
водства, выполненных работ и услуг промышлен- 86,7 131,1 143,1
Х9
ными предприятиями (млрд. руб.)
Нормированные относительно 2011г. 1 1,512 1,65
Объем производства продукции сельского хозяй-
2 568,7 4 614,5 5060,3
Х10 ства, млн. руб.
Нормированные относительно 2011г. 1 1,796 1,97
Индекс потребительских цен по Саратовской об-
104 105,5 131,04
Х11 ласти
Нормированные относительно 2011г. 1 1,014 1,26

ЛИТЕРАТУРА обществом и бизнесом: вызовы времени. Сбор-


1. Калиниченко А. Ю. Информационные тех- ник статей по материалам конференции, посвя-
нологии прогнозирования социально-эконо- щённой Дню российской науки. Саратов, 2016.
мического развития региона // Региональная С. 165–173.
информатика «РИ 2014»: материалы XIV Санкт- 6. Сценарные условия, основные параметры
Петербургской международной конференции. прогноза социально–экономического развития
СПб: Изд-во СПОИСУ, 2014. С. 188–189. российской федерации и предельные уровни
2. Гранберг А. Г. Основы региональной эко- цен (тарифов) на услуги компаний инфраструк-
номики / Гос. Ун-т Высшая школа экономики. турного сектора на 2016 год и на плановый пе-
М.: ГУ ВШЭ, 2006. риод 2017 и 2018 годов, утвержденные Минэко-
3. Горелова Г. В., Масленникова А. В. Компо- номразвития России. М., 2015.
зиция когнитивного моделирования и систем- 7. Яндыбаева Н. В. Об особенностях форми-
ной динамики для решения задач управления рования региональных прогнозов // Актуаль-
развитием региональных систем // 6-я Всерос- ные проблемы современности: науки и общест-
сийская мультиконференция по проблемам ва. Изд-во Балаковского филиала РАНХиГС.
управления МКПУ-2013, УИнтЭргОС-2013: сб. 2018. № 1. С. 39–43.
трудов в 4-х т. Ростов-на-Дону: ЮФУ, 2013. Т. 3. 8. Форрестер Дж. Мировая динамика. М.:
С. 94–97. АСТ; СПб.: Terra Fantastica, 2003.
4. Яндыбаева Н. В. Анализ информационных 9. Итоги социально-экономического разви-
систем для прогнозирования социально- тия БМР. Сайт администрации Балаковского му-
экономического развития региона// Актуаль- ниципального района [электронный ресурс].
ные проблемы взаимодействия государства, URL: http://www.admbal.ru/page/sotsialno-
гражданского общества, личности и бизнеса. ekonomicheskoe-razvitie-bmr.
Сборник статей по материалам конференции, 10. Показатели, характеризующие состояние
посвящённой Дню российской науки. Саратов- экономики и социальной сферы Балаковского
М.: Десятая Муза, 2017. С. 166–172. муници-пального района за 2011–2018 гг. [элек-
5. Яндыбаева Н. В. Модели и методы прогно- тронный ресурс]. URL:
зирования социально-экономического развития http://www.gks.ru/scripts/db_inet2/passport/pas
региона //Проблемы развития устойчивых от- s.aspx?base=munst63&r=63607000.
ношений между государством, гражданским

137
MANAGEMENT ISSUES. 2019. № 2(38) N.V. Yandybaeva

_________________________________________________________________________

MODELING AND FORECASTING INDICATORS OF SOCIO-ECONOMIC DEVELOPMENT


OF THE REGION

N. V. Yandybaeva
Russian Presidential Academy of National Economy and Public Administration,
Balakovo, Russia

ABSTRACT:
Purprose. Development of a mathematical model for predicting indicators of socio-economic develop-
ment of the region. Carrying out a computational experiment with the developed model and analysis of
the results obtained.
Methodology. In the process of research, the methods of comparative analysis, generalizations, a sys-
tem approach were used. The information-empirical base of the research consists of the data of the
Federal State Statistics Service and regional authorities.
Results. The author analyzed the existing approach to the development of regional forecasts, identified
problems in regional forecasting, reducing the quality of forecasts. An alternative method of forming
long-term forecasts of socio-economic development of the region using the mathematical model de-
veloped using the system-dynamic approach is proposed.
Scientific novelty. A new mathematical model, developed on the basis of a system dynamics model, has
been proposed for modeling and forecasting indicators of socio-economic development of the region.
Scientific novelty. The presented approach to forecasting indicators of socio-economic development of
the region improves the efficiency of forecasting tools and provides decision makers with the ability to
manage the situation in the region promptly. The developed mathematical model helps to increase the
accuracy of regional forecasts. The results of forecasting indicators of socio-economic development of
the Balakovo municipal district of the Saratov region in the time interval are shown [2011; 2021].

KEYWORDS: Mathematical model, system dynamics, forecasting, indicators of socio-economic devel-


opment.

AUTHORS’ INFORMATION:
Natalya V. Yandybaeva, Cand. Sci. (Engineering), Associate Professor, Balakov branch of the Russian
Presidential Academy of National Economy and Public Administration,
107, Chapayeva str., Balacovo, 413865, Russia, nat07@inbox.ru

FOR CITATION: Yandybaeva N. P. Modeling and forecasting indicators of socio-economic development


of the region// Management Issues. 2019. № 2 (38). Р. 132—139.

REFERENCES 2014 g.). SPb: Izd-vo SPOISU, 2014. S. 188–189] –


(In Rus.)
1. Kalinichenko A. Yu. Information technolo- 2. Granberg A. G. Basics of the regional econ-
gies for forecasting the socio-economic develop- omy / State. Univ. Graduate School of Economics.
ment of the region // Regional informatics “RI M.: State University Higher School of Economics,
2014”: materials of the XIV St. Petersburg Interna- 2006. - 495 p. [Granberg A. G. Osnovy regional'noy
tional Conference (St. Petersburg, October 29–31, ekonomiki / Gos. Un-t Vysshaya shkola ekonomiki.
2014). SPb: SPOISU Publishing House, 2014. P. 188– M.: GU VShE, 2006. - 495 s.] – (In Rus.)
189. [Kalinichenko A. Yu. Informatsionnye 3. Gorelova G. V., Maslennikova A. V. Composi-
tekhnologii prognozirovaniya sotsial'no- tion of cognitive modeling and system dynamics for
ekonomicheskogo razvitiya regiona solving problems of managing the development of
//Regional'naya informatika «RI 2014»: materialy regional systems // 6th All-Russian Multiconference
XIV Sankt-Peterburgskoy mezhdunarodnoy on Control Problems MKPU-2013, UntErgOS-2013:
konferentsii (Sankt-Peterburg, 29–31 oktyabrya Sat. works in 4 v. Rostov-on-Don: SFU, 2013. V. 3. P.
138
ВОПРОСЫ УПРАВЛЕНИЯ. 2019. №2(38) Н.В. Яндыбаева

94–97. [Gorelova G. V., Maslennikova A. V. razvitiya ustoychivykh otnosheniy mezhdu


Kompozitsiya kognitivnogo modelirovaniya i gosudarstvom, grazhdanskim obshchestvom i
sistemnoy dinamiki dlya resheniya zadach biznesom: vyzovy vremeni. Sbornik statey po
upravleniya razvitiem regional'nykh sistem // 6-ya materialam konferentsii, posvyashchennoy Dnyu
Vserossiyskaya mul'tikonferentsiya po problemam rossiyskoy nauki. Saratov, 2016. S.165–173] – (In
upravleniya MKPU-2013, UIntErgOS-2013: sb. Rus.)
trudov v 4-kh t. Rostov-na-Donu: YuFU, 2013. T. 3. S. 6. Scenario conditions, the main parameters
94–97] – (In Rus.) of the forecast of socio – economic development of
4. Yandybaeva N. V. Analysis of information the Russian Federation and the marginal levels of
systems for forecasting the socio-economic devel- prices (tariffs) for the services of companies in the
opment of the region // Actual problems of interac- infrastructure sector for 2016 and for the planning
tion between the state, civil society, the individual period of 2017 and 2018 approved by the Ministry
and business. Collection of articles based on the of Economic Development of Russia. M., 2015.
conference dedicated to the Day of Russian Science [Stsenarnye usloviya, osnovnye parametry
(February 8, 2017). Saratov-M.: The Tenth Muse, prognoza sotsial'no–ekonomicheskogo razvitiya
2017. P.166–172. [Yandybaeva N. V. Analiz rossiyskoy federatsii i predel'nye urovni tsen
informatsionnykh sistem dlya prognozirovaniya (tarifov) na uslugi kompaniy infrastrukturnogo
sotsial'no-ekonomicheskogo razvitiya regiona// sektora na 2016 god i na planovyy period 2017 i
Aktual'nye problemy vzaimodeystviya gosudarstva, 2018 godov, utverzhdennye Minekonomrazvitiya
grazhdanskogo obshchestva, lichnosti i biznesa. Rossii. M., 2015] – (In Rus.)
Sbornik statey po materialam konferentsii, 7. Yandybaeva N. V. On the peculiarities of the
posvyashchennoy Dnyu rossiyskoy nauki (8 formation of regional forecasts // Actual problems
fevralya 2017 g.). Saratov-M.: Desyataya Muza, of the present: science and society. Publishing house
2017. S.166–172.] – (In Rus.) of Balakovo branch of RANEPA. 2018. № 1. Р. 39–
5. Yandybaeva N. V. Models and methods of 43. [Yandybaeva N. V. Ob osobennostyakh
forecasting the socio-economic development of the formirovaniya regional'nykh prognozov
region // Problems of development of stable rela- //Aktual'nye problemy sovremennosti: nauki i
tions between the state, civil society and business: obshchestva. Izd-vo Balakovskogo filiala RANKhiGS.
the challenges of time. Collection of articles based 2018. №1.s.39–43] – (In Rus.)
on the conference dedicated to the Day of Russian 8. Forrester J. World Dynamics. M.: AST; SPb.:
science. Saratov, 2016. P.165–173. [Yandybaeva Terra Fantastica, 2003. 379 p. [Forrester Dzh.
N V. Modeli i metody prognozirovaniya sotsial'no- Mirovaya dinamika. M.: AST; SPb.: Terra Fantastica,
ekonomicheskogo razvitiya regiona //Problemy 2003. 379 s.] – (In Rus.)

139