Автор: ИВАНОВ М.А.
ЖУРНАЛ: ЧЕЛОВЕК. ОБЩЕСТВО. ИНКЛЮЗИЯ
DOI: https://doi.org/10.24412/2412-8139-2024-1-93-110
EDN: DNLTEY
КЛЮЧЕВЫЕ СЛОВА:
ИНВЕСТИЦИОННАЯ ПРИВЛЕКАТЕЛЬНОСТЬ, РЕГИОНЫ РФ, СОЦИАЛЬНО-ЭКОНОМИЧЕСКИЕ ФАКТОРЫ, МАШИННОЕ ОБУЧЕНИЕ, МНОЖЕСТВЕННАЯ РЕГРЕССИЯ, ГРАДИЕНТНЫЙ БУСТИНГ
Читать статью
Скачать статью
АННОТАЦИЯ:
Инвестиционная привлекательность регионов Российской Федерации является ключевым фактором, определяющим эффективность экономического развития страны. В связи с этим актуальным представляется исследование влияния социально-экономических факторов на инвестиционный климат субъектов РФ. Целью данной работы является анализ взаимосвязи между различными социально-экономическими показателями и инвестиционной привлекательностью регионов России с использованием современных методов машинного обучения. В качестве исходных данных использовались статистические показатели, характеризующие социально-экономическое развитие 85 субъектов РФ за период с 2010 по 2022 год. Среди них: валовой региональный продукт (ВРП), уровень безработицы, среднедушевые доходы населения, объем инвестиций в основной капитал, индекс промышленного производства и др. Методология исследования: проведено вторичный анализ по данным оценки инвестиционной привлекательности регионов, составленный рейтинговым агентством «Эксперт РА». Анализ данных проводился с использованием методов машинного обучения. Для выбора наиболее значимых предикторов использовались методы отбора признаков и метод главных компонент. Проведенный анализ показал, что наибольшее влияние на инвестиционную привлекательность регионов РФ оказывают такие факторы, как ВРП на душу населения (коэффициент корреляции 0,78), объем инвестиций в основной капитал (0,75), уровень безработицы (-0,69) и индекс промышленного производства (0,64). Модели машинного обучения, построенные на основе отобранных признаков, продемонстрировали высокую точность предсказания инвестиционного рейтинга регионов. Лучшие результаты были получены при использовании алгоритма градиентного бустинга (коэффициент детерминации R2=0,87 на тестовой выборке). При этом наибольший вклад в модель вносят показатели ВРП на душу населения, объема инвестиций и уровня безработицы, что подтверждает их ключевую роль в формировании инвестиционной привлекательности субъектов РФ.
Ключевые слова: инвестиционная привлекательность, регионы РФ, социально-экономические факторы, машинное обучение, множественная регрессия, градиентный бустинг
ОПИСАНИЕ НА АНГЛИЙСКОМ ЯЗЫКЕ
IVANOV M.A.
The Plekhanov Russian University of Economics, Moscow, Russia
The investment attractiveness of the regions of the Russian Federation is a key factor determining the effectiveness of the country’s economic development. In this regard, it is relevant to study the influence of socio-economic factors on the investment climate of the subjects of the Russian Federation. The purpose of this work is to analyze the relationship between various socio-economic indicators and the investment attractiveness of Russian regions using modern machine learning methods. Statistical indicators characterizing the socio-economic development of 85 subjects of the Russian Federation for the period from 2010 to 2022 were used as initial data. Among them: gross regional product (GRP), unemployment rate, per capita income of the population, volume of investments in fixed assets, industrial production index, etc. A rating compiled by the Expert RA rating agency was used to assess the investment attractiveness of the regions. The data was analyzed using machine learning methods such as multiple linear regression, decision trees, random forest, and gradient boosting. To select the most significant predictors, feature selection methods were used, in particular, Recursive Feature Elimination and Principal Component Analysis. The analysis showed that such factors as GRP per capita (correlation coefficient 0.78), the volume of investments in fixed assets (0.75), the unemployment rate (-0.69) and the industrial production index (0.64) have the greatest impact on the investment attractiveness of the regions of the Russian Federation. Machine learning models based on selected features have demonstrated high accuracy in predicting the investment rating of regions. The best results were obtained using the gradient boosting algorithm (the coefficient of determination R2=0.87 in the test sample). At the same time, the indicators of GRP per capita, investment volume and unemployment rate make the greatest contribution to the model, which confirms their key role in shaping the investment attractiveness of the subjects of the Russian Federation.
Keywords: INVESTMENT ATTRACTIVENESS, REGIONS OF THE RUSSIAN FEDERATION, SOCIOECONOMIC FACTORS, MACHINE LEARNING, MULTIPLE REGRESSION, GRADIENT BOOSTING
