Главная страница » Публикации » 2023 » №4 (104) » Разработка методики оценки уровня демографического развития регионов на основе методов многомерного статистического анализа

Разработка методики оценки уровня демографического развития регионов на основе методов многомерного статистического анализа

Development of a methodology for assessing the level of demographic development of regions based on methods of multidimensional statistical analysis

Государственное и муниципальное управление
Разработка методики оценки уровня демографического развития регионов на основе методов многомерного статистического анализа

Авторы

Митрофанов Евгений Петрович
кандидат экономических наук, доцент, заведующий кафедрой информационных технологий и прикладной математики
Россия, Московский государственный гуманитарно-экономический университет
mep79@list.ru
Кулагина Алевтина Григорьевна
кандидат экономических наук, доцент, доцент кафедры актуарной и финансовой математики
Россия, Чувашский государственный университет им. И.Н. Ульянова
agkul68@bk.ru
Лаванов Станислав Николаевич
Россия, Чувашский государственный университет им. И.Н. Ульянова
stanislav.lavanov@mail.ru
Солодова Елена Александровна
Аспирант
Россия, Российский университет спорта «ГЦОЛИФК»
helenasolodova@gmail.ru

Аннотация

В настоящее время демографические процессы в нашей стране приобрели сильно выраженную негативную окраску. Этому способствовали множество различных факторов и, прежде всего, снижение рождаемости и увеличение смертности, в результате чего все более отчетливо проявляются процессы депопуляции. Научно обоснованное выявление факторов, оказавших негативное влияние на уровень демографического развития региона, способствует возможности своевременного реагирования руководителей регионов на эти показатели. Выявленные факторы являются своего рода рычагами управления по повышению уровня демографического развития региона. В свою очередь, уровень демографического развития региона служит индикатором уровня жизни и благосостояния населения региона.
Цель предлагаемого авторами исследования заключается в формировании методики оценки и в выявлении наиболее значимых факторов, оказывающих влияние на уровень демографического развития регионов Приволжского федерального округа (ПФО), с применением методов многомерного статистического и кластерного анализа.
В настоящем исследовании предлагается применение методов факторного анализа 13 первичных показателей, оказывающих влияние на уровень демографического развития региона. Число первичных показателей не является постоянным. В данном исследовании мы ориентировались на доступность значений этих показателей на сайте Федеральной службы государственной статистики. Наличие мультиколлинеарности между исходными показателями привела к необходимости их группировки в три независимые главные компоненты.
Результатом исследования является количественная оценка уровня демографического развития регионов ПФО на основе полученной авторами функциональной зависимости главных компонент от исходных показателей. Проведенная кластеризация регионов ПФО, основанная на значениях главных компонент, дала возможность их классификации по уровню демографического развития. В результате сравнительного анализа средних значений главных компонент регионов каждого из выделенных авторами кластеров, выявлены факторы, на которые следует обратить особое внимание каждому региону ПФО. Предложенная авторами методика может быть использована для оценки уровня демографического развития регионов и других округов Российской федерации с учетом их особенностей.

Ключевые слова

Уровень демографического развития региона, интегральная оценка, главные компоненты, факторный анализ, кластерный анализ.

Рекомендуемая ссылка

Митрофанов Евгений Петрович,Кулагина Алевтина Григорьевна,Лаванов Станислав Николаевич,Солодова Елена Александровна. Разработка методики оценки уровня демографического развития регионов на основе методов многомерного статистического анализа // Современные технологии управления. ISSN 2226-9339. — №4 (104). Номер статьи: 10410. Дата публикации: 04.12.2023. Режим доступа: https://sovman.ru/en/article/10410/

Authors

Evgenii P. Mitrofanov
Candidate of Science (economics), Associate Professor Head of Department of Information Technology and Applied Mathematics
Russia, Moscow State University of Humanities and Economics
mep79@list.ru
Alevtina G. Kulagina
Candidate of Science (economics), Associate Professor, Associate Professor of Department of Actuarial and Financial Mathematics
Russia, Chuvash State University named after I.N. Ulyanov
agkul68@bk.ru
Stanislav N. Lavanov
Russia, Chuvash State University named after I.N. Ulyanov
stanislav.lavanov@mail.ru
Elena A. Solodova
Postgraduate student
Russia, Russian University of Sport (SCOLIPE)
helenasolodova@gmail.com

Abstract

Currently, demographic processes in our country have acquired a strongly pronounced negative connotation. This was facilitated by many different factors and, above all, a decrease in the birth rate and an increase in mortality, as a result of which the processes of depopulation are becoming more and more clearly manifested. The scientifically based identification of factors that had a negative impact on the level of demographic development of the region contributes to the possibility of timely response of regional leaders to these indicators. The identified factors are a kind of management levers to increase the level of demographic development of the region. In turn, the level of demographic development of the region serves as an indicator of the standard of living and well-being of the population of the region.
The purpose of the study proposed by the authors is to form an assessment methodology and to identify the most significant factors influencing the level of demographic development of the regions of the Volga Federal District (PFD), using methods of multidimensional statistical and cluster analysis.
This study suggests the use of factor analysis methods of 13 primary indicators that influence the level of demographic development of the region. The number of primary indicators is not constant. In this study, we focused on the availability of the values of these indicators on the website of the Federal State Statistics Service. The presence of multicollinearity between the initial indicators led to the need to group them into three independent main components.
The result of the study is a quantitative assessment of the level of demographic development of the regions of the Volga Federal District on the basis of the functional dependence of the main components on the initial indicators obtained by the authors. The clustering of the regions of the Volga Federal District, based on the values of the main components, made it possible to classify them according to the level of demographic development. As a result of a comparative analysis of the average values of the main components of the regions of each of the clusters identified by the authors, the factors that should be paid special attention to each region of the Volga Federal District are identified. The methodology proposed by the authors can be used to assess the level of demographic development of regions and other districts of the Russian Federation, taking into account their characteristics.

Keywords

the level of demographic development of the region, integral assessment, main components, factor analysis, cluster analysis.

Suggested citation

Evgenii P. Mitrofanov,Alevtina G. Kulagina,Stanislav N. Lavanov,Elena A. Solodova. Development of a methodology for assessing the level of demographic development of regions based on methods of multidimensional statistical analysis // Modern Management Technology. ISSN 2226-9339. — №4 (104). Art. #  10410. Date issued: 04.12.2023. Available at: https://sovman.ru/en/article/10410/

Введение

Демографическое развитие регионов, как результат изменения количественных и качественных показателей воспроизводства населения, является неотъемлемой частью эффективного экономического развития как самого региона, так и страны в целом. В конце XX в. в нашей стране наблюдались негативные тенденции демографических процессов. В ряде регионов страны низкая рождаемость сочеталась с высокой смертностью. Некоторые позитивные изменения в уровне рождаемости и продолжительности жизни прослеживаются в последнее десятилетие.  Вместе с тем сохраняется проблема возрастной структуры населения – растет численность населения нетрудоспособного возраста. Неоднородность экономического развития регионов РФ повлияла на их демографическую ситуацию. В связи с этим возрастает актуальность определения направлений демографического развития регионов с учетом их специфики.

Модельный анализ демографической ситуации региона с его особенностями способствует выявлению положительных и негативных тенденций в области изменения численности населения, факторов, влияющих на эти изменения, и благодаря этому предпринять соответствующие меры к улучшению или поддержанию сложившейся демографической ситуации.

Идея применения факторного анализа в настоящем исследовании обусловлена тем, что социально-демографическую ситуацию в регионе целесообразно рассматривать как сложную социальную систему, зависящую от многих факторов. К тому же методы факторного анализа, в частности, метод главных компонент, позволяют сократить число объясняющих переменных до наиболее существенно влияющих факторов и устранить проблему мультиколлинеарности, вызванную социальным содержанием задачи.

 

Обзор литературы 

В ряде исследований демографических процессов авторы Кайбичева Е.И. (Кайбичева, 2020), Кузнецова Т.Ю. (Кузнецова, 2013) и Синица А.Л. (Синица, 2019) ограничиваются сравнительным анализом отдельных показателей в динамике. Такой подход не учитывает внутренние взаимосвязи между показателями и их долю значимости на уровень демографического развития региона.

Преобладающее большинство исследователей Кулагина А.Г. и Васильева Е.Н. (Кулагина, Васильева, 2017), Кулагина А.Г. и Михайлова (Кулагина, Михайлова, 2013), Печеркина М.С. (Печеркина, 2018), Фаттахов Р.В. и Низамутдинов М.М. (Фаттахов, Низамутдинов, 2020)[20] придерживаются мнения, что демографическое развитие региона целесообразно рассматривать как многомерный и многофакторный процесс. При этом авторы расходятся по выбору показателей, влияющих на уровень демографического развития и методике оценки весовых коэффициентов значимости показателей. Это, на наш взгляд, можно объяснить объектом исследования. Весовые коэффициенты показателей могут быть использованы как рычаги управления в развитии региона и достижения социально-экономического роста.

 

Методы исследования 

В исследовании использовались многомерный, сравнительный, компонентный и кластерный анализ, эксперимент.

 

Результаты исследования 

Интегральную оценку, характеризующую уровень демографического развития региона, предлагается оценивать количественно на основе 13 первичных показателей:  X1 – численность населения, X2 –  рождаемость, X3 –   смертность, X4 –   ожидаемая продолжительность жизни, X5 –   ВРП на душу населения, X6 –   среднедушевые доходы, X7 –   трудоспособное население, X8 –   браки, X9 –   разводы, X10 –   миграционный прирост, X11 –   уровень жизни, X12 –   здравоохранение, X13 –   жилищные условия. Используемая нами система показателей сформирована в результате анализа литературы с учетом доступности статистических данных.

Рассчитанная корреляционная матрица (табл. 1) показывает, что между некоторыми показателями имеется тесная линейная зависимость. Соответствующие таким показателям коэффициенты корреляции превышают по абсолютной величине 0,7.

 

Таблица 1. Корреляционная матрица

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13
X1 1,00 0,43 0,26 -0,01 0,75 0,89 1,00 0,77 0,31 0,66 0,91 0,97 -0,16
X2 0,43 1,00 0,73 -0,30 0,55 0,46 0,43 0,48 -0,04 0,09 0,47 0,40 -0,74
X3 0,26 0,73 1,00 0,28 0,40 0,19 0,26 0,09 -0,55 0,23 0,18 0,19 -0,53
X4 -0,01 -0,30 0,28 1,00 -0,09 -0,11 -0,01 -0,40 -0,59 0,35 -0,11 -0,10 0,41
X5 0,75 0,55 0,40 -0,09 1,00 0,87 0,75 0,84 0,26 0,56 0,86 0,66 -0,45
X6 0,89 0,46 0,19 -0,11 0,87 1,00 0,89 0,84 0,32 0,67 0,99 0,80 -0,34
X7 1,00 0,43 0,26 -0,01 0,75 0,89 1,00 0,77 0,30 0,67 0,91 0,97 -0,16
X8 0,77 0,48 0,09 -0,40 0,84 0,84 0,77 1,00 0,65 0,41 0,85 0,74 -0,29
X9 0,31 -0,04 -0,55 -0,59 0,26 0,32 0,30 0,65 1,00 -0,07 0,35 0,39 0,11
X10 0,66 0,09 0,23 0,35 0,56 0,67 0,67 0,41 -0,07 1,00 0,69 0,51 0,05
X11 0,91 0,47 0,18 -0,11 0,86 0,99 0,91 0,85 0,35 0,69 1,00 0,82 -0,31
X12 0,97 0,40 0,19 -0,10 0,66 0,80 0,97 0,74 0,39 0,51 0,82 1,00 -0,12
X13 -0,16 -0,74 -0,53 0,41 -0,45 -0,34 -0,16 -0,29 0,11 0,05 -0,31 -0,12 1,00

 

Проверка значимости матрицы парных корреляций с помощью критерия Уилкса показала ее значимость.

H0: Матрица парных корреляций значима;

H1: Матрица парных корреляций не значима;

Следовательно, для устранения мультиколлиенарности между показателями можно воспользоваться компонентным анализом, который заключается в последовательном выделении главных компонент по величине дисперсии. По критерию Кайзера, согласно которому значение имеют только те главные компоненты, у которых собственные значения больше единицы, получаем, что мы можем выделить три главные компоненты (табл. 2).

 

Таблица 2. Собственные значения

собственные значения вклад в результат суммарный вклад
X1 8,70 66,93% 66,93%
X2 2,49 19,12% 86,05%
X3 1,58 12,18% 98,23%
X4 0,17 1,28% 99,51%
X5 0,04 0,33% 99,83%
X6 0,01 0,11% 99,94%
X7 0,01 0,04% 99,98%
X8 0,00 0,01% 100,00%
X9 0,00 0,00% 100,00%
X10 0,00 0,00% 100,00%
X11 0,00 0,00% 100,00%
X12 0,00 0,00% 100,00%
X13 0,00 0,00% 100,00%

Источник: рассчитано авторами.

 

Еще один критерий выбора числа главных компонент – критерий каменистой осыпи. На графике каменистой осыпи необходимо найти такую точку, после которой убывание собственных значений главных компонент значительно замедляется (рис.1). В нашем случае после третьей точки замедляется убывание.

 

График каменистой осыпи

Рис. 1. График каменистой осыпи

 

По матрице факторных нагрузок (табл. 3), полученной в результате вращения главных компонент методом варимакс, выделяем три слабо зависимых фактора. Первый фактор можно интерпретировать как показатели социально-экономического развития, второй – естественного прироста и третий – продолжительности жизни.

 

Таблица 3. Факторные нагрузки

Показатели социально экономического развития Показатели естественного прироста Показатели продолжительности жизни
X1 0,92 0,25 0,26
X2 0,34 0,92 0,20
X3 0,10 0,88 -0,46
X4 -0,20 -0,28 -0,93
X5 0,78 0,52 0,29
X6 0,89 0,31 0,31
X7 0,92 0,25 0,25
X8 0,71 0,29 0,63
X9 0,30 -0,28 0,91
X10 0,90 -0,02 -0,37
X11 0,90 0,30 0,32
X12 0,88 0,20 0,37
X13 -0,33 -0,91 -0,21

Источник: рассчитано авторами.

 

Функциональная зависимость выделенных выше факторов относительно первичных показателей имеет вид:

Значимость признаков, которые относятся к той или иной главной компоненте, можно проверить, вычислив коэффициент информативности.  В нашем случае они равны:

Коэффициенты информативности являются приемлемыми, поэтому значениям главных компонент, рассчитанные по формулам (1), (2) и (3) позволяют оценить уровень демографического развития регионов и составить их рейтинг. В качестве весовых коэффициентов главных компонент (факторов) возьмем долю их остаточной дисперсии.

Рейтинг регионов ПФО по уровню их демографического развития представлен в табл. 4.

 

Таблица 4. Рейтинг регионов Приволжского федерального округа по уровню демографического развития

№ Регион Уровень демографического развития
1 Республика Татарстан 3,70
2 Республика Башкортостан 3,02
3 Самарская область 2,87
4 Нижегородская область 2,82
5 Пермский край 2,31
6 Оренбургская область 1,57
7 Саратовская область 1,56
8 Удмуртская Республика 1,24
9 Ульяновская область 1,03
10 Пензенская область 0,92
11 Кировская область 0,73
12 Чувашская Республика 0,59
13 Республика Мордовия 0,47
14 Республика Марий Эл 0,40

 

Лидирующее положение в рейтинге занимает Республика Татарстан. Замыкает рейтинг Республика Марий Эл.

Проследим за динамикой изменения интегрального показателя уровня демографического развития регионов из первой и второй половины рейтинга за период с 2005-2021 гг. (см. рис. 2) По Чувашской Республике наблюдается тенденция спада. Это связано, на наш взгляд, с многочисленными негативными изменениями отдельных социально-экономических показателей и показателей естественного движения населения. По Республике Башкортостан линия тренда практически постоянна. Тем не менее наблюдаются колебания интегральной оценки уровня демографического развития.

 

Динамика уровня демографического развития региона

Рис. 2. Динамика уровня демографического развития региона

 

С целью выявления наиболее значимых показателей в оценке уровня демографического развития региона проведем их кластеризацию по выделенным выше главным компонентам. Сходство или различие между регионами устанавливается в зависимости от матричного расстояния между ними. Очень часто используют евклидово расстояние:

Последовательное объединение легко поддается геометрической интерпретации и может быть представлена в виде дендрограммы (см. рис.3). Для определения числа кластеров воспользуемся методом полной связи. Для получения более достоверных результатов воспользуемся методом k-средних, который принадлежит к группе итеративных методов.

 

Дендограмма

Рис. 3. Дендограмма

 

Таблица 5. Классы регионов ПФО по уровню демографического развития

1 класс 2 класс 3 класс
Республика Татарстан Пермский край Саратовская область
Республика Башкортостан Оренбургская область Ульяновская область
Нижегородская область Удмуртская Республика Пензенская область
Самарская область Кировская область
Чувашская Республика
Республика Мордовия
Республика Марий Эл

Источник: рассчитано авторами.

 

Проверим правильность распределения регионов по кластерам гипотезой о равенстве средних значений главных компонент на уровне значимости 0,05.

H0: Гипотеза о равенстве векторов средних значений принимается;

H1:Гипотеза о равенстве векторов средних значений отвергается;

– векторы средних значений;

– обратная матрица, рассчитанная для объединённой ковариационной матрицы;

– матрица центрированных значений;

 

Для первого и второго кластеров , следовательно H0 не отвергается; для второго и третьего – , следовательно H0 отвергается в пользу H1; для первого и третьего – , следовательно H0 отвергается в пользу H1. По результатам проверки гипотез можно говорить о целесообразности объединения двух кластеров: высокого и среднего. Итоговая кластеризация представлена в табл. 6.

 

Таблица 6. Классификация регионов

Высокий Умеренный
Республика Татарстан Саратовская область
Республика Башкортостан Ульяновская область
Нижегородская область Пензенская область
Самарская область Кировская область
Пермский край Чувашская Республика
Оренбургская область Республика Мордовия
Удмуртская Республика Республика Марий Эл

Источник: составлено авторами.

 

Интерпретацию кластеров проведем на основе сравнительного анализа средних значений главных компонент (рис. 4).

 

График средних значений главных компонент

Рис. 4. График средних значений главных компонент

 

Первый кластер характеризуется высоким уровнем показателей социально-экономического блока. Показатели естественного прироста и продолжительности жизни находятся примерно на одном уровне как для регионов первого, так и второго кластеров. На низкий уровень этих показателей, с нашей точки зрения, прежде всего повлияли последствия широкого распространения коронавируса COVID-19.  Всем регионам ПФО целесообразно первую очередь, обратить внимание на показатели естественного прироста и продолжительности жизни. Регионам, входящим во второй кластер, необходимо принять меры по наращиванию показателей социально-экономического блока с целью достижения их значений регионов первого кластера.

Print Friendly, PDF & Email
Оправить мне на email статью

Читайте также

Статья “Эволюция законодательного регулирования закупочной деятельности в России”
Статья “Оценка эффективности государственного управления здравоохранением в Республике Башкортостан”
Статья “Необходимость внедрения методов проектного управления в органы государственной власти Республики Башкортостан”
Статья “Совершенствование управленческого стиля руководителя высшего звена в системе государственного управления в Республике Башкортостан”
Аттестационная работа “Управление формированием социального партнерства в образовательной организации”

Библиографический список

  1. Абрютина, М.С. Анализ финансово-экономической деятельности предприятия / М.С. Абрютина, А.В. Грачев. – 3-е изд., перераб. и доп. – Москва : Дело и Сервис, 2017. – 272 с.
  2. Архипова, В.А. Модельный анализ конкурентоспособности предприятия / В.А. Архипова, А.Г. Кулагина // Экономика и предпринимательство. – Москва, 2019. – Вып. 2 (103). – С. 1186-1189.
  3. Банк, В.В. Финансовый анализ: учеб. пособие / В.В. Банк, С.В. Банк, А.В. Тараскина – Москва : Проспект, 2009. – 352 с.
  4. Беспалов, М.В. Комплексный анализ финансовой устойчивости компании: коэффициентный, экспертный, факторный и индикативный / М.В. Беспалов // Финансовый вестник. – Тамбов, 2011. – Вып. 5. –  С. 14.
  5. Давыдова, Г.В. Методика количественной оценки риска банкротства предприятий / Г.В. Давыдова, А.Ю. Беликов // Управление риском. – Иркутск, 1999. – C. 13-20.
  6. Данилова, Н.Л. Сущность и проблемы анализа финансовой устойчивости коммерческого предприятия / Н.Л. Данилова // Концепт. – Чебоксары, 2014. – Вып. 2. – С. 8.
  7. Кайбичева Е.И. Демографическое развитие региона и его отражение в стратегии социально-экономического развития субъекта Российской Федерации. Международный демографический форум. Материалы заседания. Воронеж, 2020. С. 384-388.
  8. Ковалев, В.В. Финансовая отчетность. Анализ финансовой отчетности (Основы балансоведения): учеб. пособие/ В.В.  Ковалев, Вит. В. Ковалев – 2-е изд., перераб. и доп. – Mосква, 2004. – 432 с.
  9. Крылов, С.И. Финансовый анализ: учеб. пособие / С.И. Крылов. –  Екатеринбург: изд. Урал. ун-та, 2016. – 160 с.
  10. Кузнецова Т.Ю. Тенденции и факторы демографического развития в балтийском регионе: региональный анализ. Региональные исследования. 2013. № 3 (41). С. 50-57.
  11. Кулагина, А.Г. Оценка и прогнозирование коэффициента финансовой устойчивости предприятия / А.Г. Кулагина // Эффективность учетно-аналитических, налоговых и финансовых механизмов деятельности современной организации: сборник научных статей по итогам межвузовской конференции фестиваля «Человек. Гражданин. Ученый – 2016». ; под общ. ред. Ф.Х. Цапулиной. – Москва, 2017. – С. 86-92.
  12. Кулагина А.Г., Васильева Е.Н. Модельная оценка уровня социально-демографического развития регионов ПФО. Проблемы и перспективы развития социально-экономического потенциала российских регионов. Материалы VI Всероссийской электронной научно-практической конференции. 2017. С. 340-346.
  13. Кулагина А.Г., Михайлова Т.А. Статистический анализ социально-демографического развития регионов. Актуальные проблемы экономической теории и региональной экономики. 2013. № 1 (9). С. 50-54.
  14. Печеркина М.С. Формирование набора факторов демографического развития регионов. Фундаментальные исследования. 2018. № 12-1. С. 148-152.
  15. Савицкая, Г. В. Методика диагностики финансовой устойчивости субъектов хозяйствоваения: состояние и пути совершенствования / Г. В. Савицкая // Бухгалтерский учет и анализ. – Минск, 2014. – Вып. 7. – С. 34-46
  16. Савицкая, Г.В. Экономический анализ: учебник/ Г.В.  Савицкая. – 14-е изд., перераб. и доп. – Москва : ИНФРА-М,  2017. – 649 с.
  17. Сайфуллин, Р.С. Рейтинговая экспресс-оценка финансового состояния предприятия / Р.С. Сайфуллин, Г.Г. Кадыков // Финансовые и бухгалтерские консультации. – Казань, 1996. – Вып 4. – С. 24-29.
  18. Синица А.Л. Развитие системы образования как фактор демографического развития регионов Крайнего Севера. Арктика и Север. 2019. № 37. С. 22-50.
  19. Уродовских, В.Н. Об адекватности моделей оценки риска банкротства отечественных предприятий / В.Н. Уродовский, А.А. Бахаева // Социально-экономические явления и процессы. – Тамбов, 2010. – Вып 6. – С. 178-182.
  20. Фаттахов Р. В., Низамутдинов М.М., Орешников В. В. Ранжирование регионов России по демографической ситуации с учетом уровня развития социальной инфраструктуры. Мир новой экономики. 2020;14(4):96-109. DOI: 10.26794/2220-6469-2020-14-4-96-109
  21. Шеремет, А.Д. Методика финансового анализа деятельности коммерческих организаций / А.Д. Шеремет, Е.В. Негашев; – 2-е изд, перераб. и доп. – Москва : ИНФРА-М, 2008. – 208 с.
  22. Altman, E.I. Managing Credit Risk: The Next Great Financial Challenge. / Altman E.I., Cauoette J. B., Narayanan P. – New York : Wiley, 1998. – 632 p.
  23. Taffler, R.J., Going, Going, Gone, Four Factors Which Predict. / R.J. Taffler, R.J., H. Tisshaw. // Accountancy. № 88 (1003) 1977. – P. 50-54.

References

  1. Abryutina, M.S. Analysis of financial and economic activity of the enterprise [Analiz finansovo-ekonomicheskoy deyatel’nosti predpriyatiya]/ M.S. Abryutina, A.V. Grachev. – 3rd ed., reprint. and additional – Moscow : Business and Service, 2017. – 272 p.
  2. Arkhipova, V.A. Model analysis of enterprise competitiveness [Model’nyy analiz konkurentosposobnosti predpriyatiya]/ V.A. Arkhipova, A.G. Kulagina // Economics and entrepreneurship. – Moscow, 2019. Issue 2 (103). – pp. 1186-1189.
  3. Bank, V.V. Financial analysis: textbook. manual [Finansovyy analiz: ucheb. posobiye]/ V.V. Bank, S.V. Bank, A.V. Taraskina – Moscow : Prospect, 2009. – 352 p.
  4. Bespalov, M.V. Complex analysis of the financial stability of the company: coefficient, expert, factor and indicative [Kompleksnyy analiz finansovoy ustoychivosti kompanii: koeffitsiyentnyy, ekspertnyy, faktornyy i indikativnyy]/ M.V. Bespalov // Financial Bulletin. Tambov, 2011. Issue 5. – P. 14.
  5. Davydova, G.V. Methodology for quantifying the risk of bankruptcy of enterprises [Metodika kolichestvennoy otsenki riska bankrotstva predpriyatiy]/ G.V. Davydova, A.Yu. Belikov // Risk management. – M., 1999. – P. 13-20.
  6. Danilova, N.L. The essence and problems of financial stability analysis commercial enterprise [Sushchnost’ i problemy analiza finansovoy ustoychivosti kommercheskogo predpriyatiya]/ N.L. Danilova // Concept. – Cheboksary, 2014. – Issue 2. – P. 8.
  7. Kaibicheva E.I. (2020) Demographic development of the region and its reflection in the strategy of socio-economic development of the subject of the Russian Federation. International Demographic Forum [Demograficheskoye razvitiye regiona i yego otrazheniye v strategii sotsial’no-ekonomicheskogo razvitiya sub”yekta Rossiyskoy Federatsii. Mezhdunarodnyy demograficheskiy forum. Materialy zasedaniya]. Materials of the meeting, 384-388. (In Russ.).
  8. Kovalev, V.V. Financial statements. Analysis of financial statements (Fundamentals of Balance Sheet Science): studies. manual [Finansovaya otchetnost’. Analiz finansovoy otchetnosti (Osnovy balansovedeniya): ucheb. posobiye]/ V.V. Kovalev, V. V. Kovalev // – 2- e ed., reprint. and additional – M.– 2004. – 432 p.
  9. Krylov, S.I. Financial analysis: textbook. manual [Finansovyy analiz: ucheb. posobiye]/ S.I. Krylov. – Yekaterinburg: ed. Ural. un-ta, 2016. – 160 p.
  10. Kuznetsova T.Y. (2013) Trends and factors of demographic development in the Baltic region: regional analysis [Tendentsii i faktory demograficheskogo razvitiya v baltiyskom regione: regional’nyy analiz]. Regional studies. No. 3 (41), 50-57. (In Russ.).
  11. Kulagina, A.G. Assessment and forecasting of the coefficient of financial stability of the enterprise [Otsenka i prognozirovaniye koeffitsiyenta finansovoy ustoychivosti predpriyatiya]/ A.G. Kulagina // Efficiency of accounting and analytical, tax and financial mechanisms of the modern organization: collection of scientific articles on the results of the interuniversity conference of the festival “Man. Citizen. Scientist – 2016”. ; under the general editorship of F.H. Tsapulina. – Moscow, 2017. – pp. 86-92.
  12. Kulagina A.G., Vasilyeva E.N. (2017). Model assessment of the level of socio-demographic development of the regions of the Volga Federal District. Problems and prospects of development of socio-economic potential of Russian regions [Model’naya otsenka urovnya sotsial’no-demograficheskogo razvitiya regionov PFO. Problemy i perspektivy razvitiya sotsial’no-ekonomicheskogo potentsiala rossiyskikh regionov]. Materials of the VI All-Russian Electronic scientific and Practical Conference, 340-346. (In Russ.).
  13. Kulagina A.G., Mikhailova T.A. (2013) Statistical analysis of socio-demographic development of regions [Statisticheskiy analiz sotsial’no-demograficheskogo razvitiya regionov]. Actual problems of economic theory and regional economics. No. 1 (9), 50-54. (In Russ.).
  14. Pecherkina M.S. (2018). Formation of a set of factors of demographic development of regions [Formirovaniye nabora faktorov demograficheskogo razvitiya regionov]. Fundamental research. No. 12-1, 148-152. (In Russ.).
  15. Savitskaya, G. V. Methodology of diagnostics of financial stability of economic entities: state and ways of improvement [Metodika diagnostiki finansovoy ustoychivosti sub”yektov khozyaystvovayeniya: sostoyaniye i puti sovershenstvovaniya]/ G. V. Savitskaya // Accounting and analysis. – Minsk, 2014. – Issue 7. – pp. 34-46
  16. Savitskaya, G.V. Economic analysis: textbook [Ekonomicheskiy analiz: uchebnik]/ G.V. Savitskaya. – 14th ed., reprint. and additional – Moscow : INFRA-M, – 2017. – 649 p.
  17. Sayfullin, R.S. Rating express assessment of the financial condition of the enterprise [Reytingovaya ekspress-otsenka finansovogo sostoyaniya predpriyatiya]/ R.S. Sayfullin, G.G. Kadykov // Financial and accounting consultations. – Kazan, 1996. – Issue 4. – pp. 24-29.
  18. Sinitsa A.L. (2019). Development of the education system as a factor of demographic development of the regions of the Far North [Razvitiye sistemy obrazovaniya kak faktor demograficheskogo razvitiya regionov Kraynego Severa]. The Arctic and the North. No. 37, 22-50. (In Russ.).
  19. Urodovskikh, V.N. On the adequacy of models for assessing the risk of bankruptcy of domestic enterprises [Ob adekvatnosti modeley otsenki riska bankrotstva otechestvennykh predpriyatiy]/ V.N. Urodovsky, A.A. Bakhaeva // Socio-economic phenomena and processes. – Tambov, 2010. – Issue 6. – pp. 178-182.
  20. Fattakhov R. V., Nizamutdinov M.M., Oreshnikov V. V. (2020). Ranking of Russian regions by demographic situation, taking into account the level of development of social infrastructure [ Ranzhirovaniye regionov Rossii po demograficheskoy situatsii s uchetom urovnya razvitiya sotsial’noy infrastruktury]. The world of the new economy. 14(4):96-109. DOI: 10.26794/2220-6469-2020-14-4-96-109. (In Russ.).
  21. Sheremet, A.D. Methodology of financial analysis of the activities of commercial organizations [Metodika finansovogo analiza deyatel’nosti kommercheskikh organizatsiy]/ A.D. Sheremet, E.V. Negashev; – 2nd ed., reprint. and additional – Moscow: INFRA-M, 2008. – 208 p.
  22. Altman E.I. Credit Risk Management: The next serious financial problem. / Altman E.I., Cowett J. B., Narayanan P. – New York: Wiley, 1998. – 632 p.
  23. Taffler, R.J., Tisshaw, H. J., Care, Care, Care, Four factors that predict. / R.J. Taffler, R.J., H. Tisshaw. // Accounting.  No. 88 (1003) 1977. – pp. 50-54.

Leave a Reply

Your email address will not be published. Required fields are marked *

Shopping Cart
Scroll to Top