Среднесрочная межотраслевая эконометрическая модель экономики города Москвы

Авторы

DOI:

https://doi.org/10.17059/ekon.reg.2024-1-1

Ключевые слова:

прогнозирование ВРП, региональные бюджетные расходы, региональная отраслевая структура, модели типа «Инфорум», таблицы «затраты - выпуск», кросс-валидация

Аннотация

Москва — крупнейший регион России, лидирующий по многим социально-экономическим показателям и в силу своего масштаба влияющий на экономику страны в целом. Это определяет цель исследования — построение модели для прогнозирования основных индикаторов развития московской экономики. Реализация данной цели предполагает выполнение следующих основных задач: а) выбор оптимального типа модели и прогностических методов, б) преобразование доступной региональной статистики в форму, позволяющую применять эти методы, в) нахождение алгоритма для учета влияния детализированных бюджетных расходов на московскую экономику, г) комбинацию результатов выполнения предыдущих задач для построения прогнозной модели. В статье описана разработанная авторами среднесрочная сценарная модель экономики Москвы, в рамках которой сочетаются межотраслевой и эконометрический подходы к прогнозированию экономического развития. Обосновывается использование наилучших кросс-валидационных метрик для выбора оптимальных с точки зрения прогнозирования эконометрических моделей. Разработан алгоритм перевода сумм расходов по детализированным кодам расходов бюджетной классификации в отраслевой разрез. Предложен подход к оценке влияния расходов московского бюджета на экономику c учетом внутригородских межотраслевых связей. Приведены результаты модельных расчетов, в рамках которых в качестве сценариев используются два комплексных макроэкономических прогноза: базовый прогноз Минэкономразвития России (апрель 2023 г.) и инерционный прогноз ИНП РАН (март 2023 г.). Сценарий Минэкономразвития в числе прочего предполагает прирост ВВП России в постоянных ценах в 2023–2025 гг. в 1,2, 2,0 и 2,6 % соответственно. Прогнозные темпы прироста московского ВРП в этом сценарии — 0,5, 0,8 и 1,2 % соответственно. Согласно выполненным расчетам, к 2025 г. московский ВРП в текущих ценах увеличится в зависимости от сценария до 30,9–31,7 трлн руб., а мультипликатор московских бюджетных расходов на ВРП в 2023–2025 гг. будет оставаться на уровне 0,76-0,77.

Биографии авторов

Никитин Кирилл Михайлович , ООО «Центр налоговой политики»

генеральный директор; https://orcid.org/0000-0003-2542-6190; Scopus Author ID: 57722415600 (Российская Федерация, 125009, г. Москва, Тверская ул., 8к1; e-mail: kirill.nikitin@tax-policy.ru).

Широв Александр Александрович , Институт народнохозяйственного прогнозирования РАН

член-корреспондент РАН, директор; https://orcid.org/0000-0003-0806-9777; Scopus Author ID: 16234922500 (Российская Федерация, 117418, г. Москва, Нахимовский проспект, 47; e-mail: schir@ecfor.ru).

Чаплина Юлия Юрьевна , ООО «Центр налоговой политики»

старший менеджер; https://orcid.org/0000-0002-4174-6023; Scopus Author ID: 57722571800 (Российская Федерация, 125009, г. Москва, Тверская ул., 8к1; e-mail: yuliya.chaplina@tax-policy.ru).

Ползиков Дмитрий Александрович , Институт народнохозяйственного прогнозирования РАН

кандидат экономических наук, старший научный сотрудник, Институт народнохозяйственного прогнозирования РАН; преподаватель, Московский физико-технический институт (национальный исследовательский университет); https://orcid.org/0000-0003-4054-1955; Scopus Author ID: 55185264700 (Российская Федерация, 117418, г. Москва, Нахимовский проспект, 47; Российская Федерация, 141701, г. Долгопрудный, Институтский переулок, д. 9; e-mail: dmitry.polzikov@gmail.com).

Потапенко Вадим Викторович , Институт народнохозяйственного прогнозирования РАН

кандидат экономических наук, старший научный сотрудник; https://orcid.org/0000-0002-3825-831X; Scopus Author ID: 55033049700 (Российская Федерация, 117418, г. Москва, Нахимовский проспект, 47; e-mail: vadvpotap@gmail.com).

Библиографические ссылки

Almon, C. (1996). Regression with Just the Facts. Working Paper, 12. http://inforumweb.inforumecon.com/papers/wp/wp/1996/wp96014.pdf

Almon, C. (2016). Inforum models: Origin, evolution and byways avoided. Trans. from English. Problemy prognozirovaniya [Studies on Russian Economic Development], 27 (2), 119-126. https://doi.org/10.1134/S1075700716020039 (In Russ.)

Almon, C. (2017). The Craft of Economic Modeling (3rd ed.). CreateSpace Independent Publ., 458.

Barthélemy, J., & Suesse, T. (2018). mipfp: An R Package for Multidimensional Array Fitting and Simulating Multivariate Bernoulli Distributions. Journal of Statistical Software, Code Snippets, 86 (2), 1–20. https://doi.org/10.18637/jss.v086.c02

Breiman, L. (2001). Statistical Modeling: The Two Cultures. Statistical Science, 16 (3), 199-231. https://doi.org/10.1214/ss/1009213726

Freedman, D. (2009). Limits of Econometrics. International Econometric Review, 1 (1), 5-17.

Freedman, D., Collier, D., Sekhon, J., & Stark, P. (Eds.). (2011). Statistical Models and Causal Inference: A Dialogue with the Social Sciences (1st ed.). Cambridge University Press, 416.

Ghezzi, L. (2013). Households Consumption in Italy. The INFORUM approach for a new multisectoral-multiregional model. In: Macroeconomics modelling for policy analysis (pp. 65-82). Firenze: Firenze University Press. https://doi.org/10.1400/208276

Grassini, M. (2009). Rowing along the computable general equilibrium modelling mainstream. Trans. Problemy prognozirovaniya [Studies on Russian Economic Development], 20 (2), 134-146. https://doi.org/10.1134/S1075700709020026 (In Russ.)

Großmann, A., Schwarz, S., Hohmann, F., & Mönnig, A. (2020). A regionalized national Input-Output Modell for Chile (COFORCE): Methodology and Applications. GWS Discussion Paper, 2020/3, Gesellschaft für Wirtschaftliche Strukturforschung (GWS), Osnabrück.

Hastie, T., Tibshirani, R., & Friedman, J. (2016). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer Publ., 767.

Hirschauer, N., Grüner, S., Mußhoff, O., Becker, C., & Jantsch, A. (2020). Can p-values be meaningfully interpreted without random sampling? Statistics Surveys, 14, 71-91. https://doi.org/10.1214/20-SS129

Kronenberg, T., & Wolter, M. I. (2017). Harmonization of regional and national input-output models: the case of Germany. https://clck.ru/3RaRuX

Martens, H., & Næs, T. (1992). Multivariate Calibration (1st ed.). Wiley, 419.

Mayor, M., López, A., & Pérez, R. (2007). Forecasting Regional Employment with Shift–Share and ARIMA Modelling. Regional Studies, 41 (4), 543-551. https://doi.org/10.1080/00343400601120205

Meade, D. (2001). The LIFT Model. Inforum, Working paper. http://inforumweb.inforumecon.com/papers/wp/wp/2001/wp01002.pdf

Mevik, B.-H., & Wehrens, R. (2007). The pls Package: Principal Component and Partial Least Squares Regression in R. Journal of Statistical Software, 18 (2), 1–23. https://doi.org/10.18637/jss.v018.i02

Mevik, B.-H., Segtnan, V., & Næs, T. (2004). Ensemble methods and partial least squares regression. Journal of Chemometrics, 18 (11), 498-507. https://doi.org/10.1002/cem.895

Miller, R., & Blair, P. (2009). Input-output analysis. Foundations and extensions. Cambridge University Press, 750.

Peters, S., & Freedman, D. (1984). Some Notes on the Bootstrap in Regression Problems. Journal of Business & Economic Statistics, 2 (4), 406-409. https://doi.org/10.1080/07350015.1984.10509416

Ponomarev, Yu. Yu., & Evdokimov, D. Yu. (2021). Construction of Truncated Input–Output Tables for Russian Regions Using Location Quotients. Problemy prognozirovaniya [Studies on Russian Economic Development], 32 (6), 619-630. https://doi.org/10.1134/S1075700721060125 (In Russ.)

Shirov, A. A., Potapenko, V. V., Nikitin, K. M., & Chaplina, Yu. Yu. (2022). The System of Short-Term Regional Economic Monitoring in Moscow. Problemy prognozirovaniya [Studies on Russian Economic Development], 33 (3), 301-310. https://doi.org/10.1134/S1075700722030145 (In Russ.)

Tukey, J. (1997). More honest foundations for data analysis. Journal of Statistical Planning and Inference, 57 (1), 21-28. https://doi.org/10.1016/S0378-3758(96)00032-8

Wasserstein, R., Schirm, A., & Lazar, N. (2019). Moving to a World Beyond “p<0.05”. The American Statistician, 73 (sup1), 1-19. https://doi.org/10.1080/00031305.2019.1583913

Ziliak, S., & McCloskey, D. (2008). The Cult of Statistical Significance: How the Standard Error Costs Us Jobs, Justice, and Lives. University of Michigan Press, 352.

Загрузки

Опубликован

2024-03-28

Как цитировать

Никитин, К. М. ., Широв, А. А. ., Чаплина , Ю. Ю. ., Ползиков , Д. А. ., & Потапенко, В. В. . (2024). Среднесрочная межотраслевая эконометрическая модель экономики города Москвы. Экономика региона, 20(1), 1–15. https://doi.org/10.17059/ekon.reg.2024-1-1

Выпуск

Раздел

Региональная экономика