Детальная информация

Неравномерность цифрового развития российских регионов усиливает потребность в прогнозных инструментах, которые пригодны для управленческих решений и при этом сохраняют понятную экономисту логику влияний. Композитные индикаторы цифровизации удобны для мониторинга, однако их динамика чувствительна к структурным сдвигам и смене режимов, что снижает надежность простых трендовых подходов и затрудняет применение непрозрачных моделей в сценарной работе. Цель исследования состоит в разработке гибридной модели прогнозирования регионального интегрального показателя цифровизации, ориентированной на устойчивость при нестабильной динамике и на интерпретируемое представление влияния факторов. Эмпирическая база сформирована авторами в виде региональной витрины "регион-год»"объединяющей наблюдаемые значения индекса цифровизации и сопоставимые социально-экономические показатели официальной статистики. Метод исследования основан на двухкомпонентной архитектуре. Нелинейные зависимости факторов задаются интерпретируемым слоем сетей Колмогорова-Арнольда, где влияние каждого признака представлено гладкой одномерной функцией, параметризованной сплайнами. Динамическая часть реализована рекуррентным модулем с хаотической модуляцией, предназначенным для учета инерции и ускоренной перестройки внутреннего состояния модели при смене режима ряда. Для предотвращения "переусложнения" введена процедура выбора сложности сплайнового представления по компромиссу между точностью прогноза на отложенных разбиениях и гладкостью функций влияния. Корректность выводов подтверждается сравнением с базовыми эконометрическими и нейросетевыми решениями, а также абляционными прогонами, отделяющими вклад интерпретируемой нелинейности от вклада динамического механизма. Полученные результаты показывают, что выбор минимально достаточной сложности позволяет удерживать качество прогноза на уровне, сопоставимом с лучшими по метрикам конфигурациями, и одновременно сохранять устойчивую, экономически читаемую форму функций влияния. Интерпретация реберных функций выявляет нелинейные эффекты, включая насыщение влияния масштаба экономики и неоднородную реакцию индекса на параметры рынка труда. Практическая ценность работы связана с возможностью использовать модель как аналитический модуль для мониторинга и сценарной поддержки решений в региональной цифровой политике, поскольку прогноз сопровождается прозрачной структурой влияний факторов.

The unevenness of digital development across Russian regions increases the demand for forecasting tools that are suitable for managerial decision-making while preserving an economically interpretable logic of influences. Composite digitalization indicators are convenient for monitoring; however, their dynamics are sensitive to structural shifts and regime changes. This reduces the reliability of simple trend-based approaches and complicates the use of opaque models in scenario analysis. The aim of this study is to develop a hybrid forecasting model for a regional composite digitalization index, that is robust under unstable dynamics and provides an interpretable representation of factor effects. The empirical basis is a region-year data mart constructed by the authors, combining observed values of the digitalization index with comparable socio-economic indicators from official statistics. The proposed methodology relies on a two-component architecture. Nonlinear dependencies of factors are specified by an interpretable layer of Kolmogorov-Arnold networks, where the influence of each feature is represented by a smooth univariate function parameterized by splines. The dynamic component is implemented as a recurrent module with chaotic modulation, designed to account for inertia and accelerated reorganization of the model's internal state during regime changes. To prevent over-complexification, the authors introduce a complexity selection procedure based on a trade-off between forecast accuracy on held-out partitions and the smoothness of the influence functions. The validity of the findings is confirmed by comparison with baseline econometric and neural network solutions and ablation experiments that separate the contribution of interpretable nonlinearity from that of the dynamic mechanism. The results indicate that selecting a minimally sufficient complexity level keeps predictive accuracy close to the best configurations by metrics, while preserving stable, economically readable form of the influence functions. Interpretation of the edge functions reveals nonlinear effects, including saturation of the influence of economic scale and a heterogeneous response of the index to labor market conditions. The practical value of the study lies in the possibility of using the model as an analytical module for monitoring and scenario-based decision support in regional digital policy, since forecasts are accompanied by a transparent structure of factor influences.

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. — Загл. с титул. экрана. — Периодичность: 6 раз в год. — Выходит с 2022 г. — Электрон. журнал. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текст: электронный

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. Т. 19, № 3, 2026. — 1 файл (5,81 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j26-227.pdf>.