CC BY
24ОТРАСЛЕВАЯ И РЕГИОНАЛЬНАЯ ЭКОНОМИКА INDUSTRY AND REGIONAL ECONOMY
К вопросу об использовании статистических моделей для целей социально-
экономических исследований On the use of statistical models for socio-economic research
it ^ московский
■p ЭКОНОМИЧЕСКИЙ ЖУРНАЛ
УДК 332.1+314.174 JEL: C10, C44, C82, J11, R58, Q56 DOI 10.24411/2413-046Х-2019-13002 Иванов Николай Иванович,
доктор экономических наук, профессор, заведующий кафедрой экономической теории и менеджмента Государственного университета по землеустройству, г. Москва
Чемодин Юрий Александрович, кандидат технических наук, доцент кафедры экономической теории и менеджмента Государственного университета по землеустройству, г. Москва
Шевченко Татьяна Викторовна, кандидат экономических наук, доцент кафедры экономической теории и менеджмента Государственного университета по землеустройству, г. Москва
Горбунов Владимир Сергеевич, кандидат географических наук, доцент кафедры экономической теории и менеджмента Государственного университета по землеустройству, г. Москва
Ivanov N.I., nickibut@yandex.ru
Chemodin Y.A., yur.stroim-hotel@yandex.ru
Shevchenko T.A., tatyanavidn@mail.ru
Gorbunov V.S.,
79164369421@ya.ru
Аннотация. Методом статистического моделирования предпринимается анализ одной из демографических составляющих пространственного развития территории Российской Федерации. Для подготовки материалов были использованы открытые источники информации, публикуемые на официальном сайте Росстат. Статистический анализ данных проводился в программе Statistica. По результатам проведенного исследования была выявлена корреляционная зависимость между средней продолжительностью жизни населения и одиннадцатью социально-экономическими показателями. Методом множественной регрессии определена рабочая модель прогнозирования значений средней продолжительности жизни россиян. Статистически обоснована возможность увеличения средней продолжительности жизни населения в России до 78 лет. Одним из важных аспектов исследования становится не предложенная возможность достижения одного из прогнозных значений социально-экономических показателей, заложенных в «Майских указах» Президента России, а отраженные на ее основе недостатки, которые предлагаются для дальнейшего обсуждения в научном сообществе. По результатам проведенной работы на дискуссию выносится возможность формирования методологического аппарата, который будет статистически обосновывать выполнение стратегических задач развития Российской Федерации на период до 2024 года.
Summary. This article aims to create methodology by which we can explain implementation of Russian development strategy. Authors used statistical data of Federal State Statistics Service for preparing this article. Was used software Statistica for calculations. This article includes: specific features of the state system in Russia; problems of regional development including their social and economic differences; the historical reasons owing to regional economy be crisis; article says why we need to change something for increase life expectancy at presently; authors selected multiple regression method for answer how to increase life expectancy in Russia and execute May Edict of mister President, how is it possible? Results of this exploring proved that between lifetime indicator and other social and economic indicators are causality dependent. Due to multiple regression method was create working model on which you can forecasting lifetime expectancy rate in Russian Federation. Authors convince oneself that lifetime expectancy people who live in Russian Federation may be 78 years instead of 72 years. In the end was illustrate that presidential decrees, which were given to The Russian Government in may 2018, can be fulfil in real. The shortcomings of statistical modeling of government decisions are proposed for discussion. This is one of the important aspects of article. Based on the results of the work
carried out, the possibility of forming a methodological apparatus that will statistically justify the implementation of the strategic objectives of the development of the Russian Federation for the period up to 2024 is brought to the discussion. Conclusions of this research can be used at regional state and municipal state, in future.
Ключевые слова: региональная экономика, регионы России, экономический потенциал региона, межрегиональные сопоставления, статистические методы исследования, регрессионный анализ, качество жизни населения, продолжительность жизни населения, демография, стратегия экономического роста.
Key words: regional economy, Russian regions, region economic potential, interregional comparisons, statistical methods researching, regression analysis, quality of lifetime, lifetime expectancy, demography, economic growth strategy.
Введение
Одной из первостепенных задач в современных условиях для России является преодоление неблагоприятной демографической динамики [Денисова 2018; Denisenko, Varshavskaya 2017]. Прирост численности населения наряду с другими факторами будет обеспечивать необходимые условия для интенсификации коммерческих и производственных усилий, служить источником инновационной и инвестиционной активности регионов [Aganbegyan 2012; Andreev etc. 2002; Bussolo etc. 2017; Schepin etc. 1992].
Одной из важнейших проблем современного регионального развития является постепенное сокращение численности населения. В целях осуществления прорывного социально-экономического развития Российской Федерации, увеличения численности населения страны, повышения уровня жизни граждан и создания комфортных условий для их проживания был издан Указ Президента Российской Федерации от 07.05.2018 г. №204. Национальной целью развития до 2024 года стало создание условий для повышения ожидаемой продолжительности жизни населения до 78 лет, а уже к 2030 году до 80 лет.
В связи с тем, что в открытых средствах информации не публикуется порядок расчета самих прогнозных значений, на долю научного сообщества выпадает роль определения возможности реализации некоторых положений Указа Президента Российской Федерации от 07.05.2018 г. №204, а именно п. 1, пп. б.
Ожидаемая продолжительность жизни — это один из показателей по которому можно судить о качестве жизни населения, и, что не мало важно, это один из показателей, доступных для анализа благодаря публикуемым официальным данным Росстат. То, на сколько долго проживет человек при прочих равных условиях говорит достаточно о
многом: о качестве окружающей среды, его личностном росте, трудовых условиях, взаимоотношениях в обществе и прочем.
Рассмотрим, какие из публикуемых статистических данных оказывают наибольшее влияние на продолжительность жизни россиян. В качестве исходной базы для исследования были использованы все публикуемые в разделе «Региональная статистика» на официальном сайте Росстат показатели для мониторинга оценки эффективности деятельности субъектов Российской Федерации.
Методы
Благодаря автоматизации методов многомерных статистических вычислений сегодня можно достаточно компактно представить большие массивы социально-экономической информации, которой характеризуется состояние и развитие субъектов Российской Федерации. В качестве программного средства для обработки исходной информации широкую популярность на отечественном рынке получила программа STATISTICA компании StatSoft Russia. Для целей текущего исследования была использована официальная версия STATISTICA 13.3 EN.
Теоретическая основа этапов регрессионного анализа, как и возможность применения для статистической обработки данных современных программных продуктов, широко освящается в специальной литературе. Поэтому перейдем непосредственно к результатам расчетов.
Предварительная проверка показала отсутствие мультиколлинеарности между показателями — рис. 1. Интерпретация показателей приведена в таблице 1.
Regression Summary for Dependent Variable: K1 (Данные no №1142 и 570-f R= .98557384 R?= .97135579 Adjusted R?= .96703954
F(11.73)=22S.0S (XO.OOOO Sid.Error of estimate: .40873__
N=85 Ь- Std.Eir. of Ь* Ь StdErr. of Ь 1(73) | р value
Intercept 80.11402 1.046340 76.5660Г 0 0000001
К23 -0.742117 0.034910 -0.01489 0.000701 -21.2579 o.oooooq
К24 -0.236398 0 02 7146 -1.82229 0.209261 -8.7082 o.oooood
К15 0.069358 0.024410 0.01894 0.006667 2.8414 0.00581«
К20 0.159128 0.027597 0.01309 0.002270 5.7662 о oooood
К19 0.219261 0 05110Э 0.04246 0.009897 4,2901 0.000054
К34 0.303976 0.057692 -0.08924 0.016938 -5 2690 0.000001
КЗ 8 0.066812 0.021936 0.05047 0.016572 3.0458 0.003228]
КЗО -0.064325 0.022781 -0.00981 0.003474 -2.8236 0.0061171
K2S 0.0777391 0.035757 0.00131 0.000602 2.1741 0.0329431
КЗ 7 0.140668! 0.046063 0.00000 0.000000 3.0538 0.00315Э
К12 0.064782 0.025650 0.02273 0.009001 2.5256 I 0.0137211
Рис. 1-Результаты регрессионного анализа после удаления факторов, не
соответствующих уровню значимости О, О 5 / Fig. 1. Results of regression analysis after removal of factors that do not correspond to the significance level of
0.05
На рис. 1 присутствуют только значащие факторы. Проверка по матрице корреляции свидетельствовала об отсутствии мультиколлинеарности, поэтому следующим шагом стал переход к анализу остатков — рис. 2, рис. 3.
Кривая на гистограмме напоминает колоколообразную перевернутую кривую, следовательно, гипотеза о нормальности распределения не отклоняется. Критических отклонений на нормальном вероятностном графике не обнаружено, следовательно, остатки распределены нормально. На диаграмме рассеяния (рис. 4) не наблюдается систематической зависимости в расположении точек, они располагаются достаточно хаотично, следовательно, остатки не зависят от предсказанных значений.
о.в а.т 0.6 0.5
§
1 Я
ВС
? 0,3
1 о, 0.1 о.о -0.1
Observed ^lue^ п Squuicjd fbeskjuels Depended! vjiijU*- K1
о
о О
О
&
о &
г-; _
----GO —
о oo <*НЭ „ о
o- i&bk t;" о В eiS -л..
?2 74 TS
Obseived Values
ИДЯСаШ
Рис. 4 — График зависимости предсказанных значений / Fig. 4. Graph
of the predicted values
Анализ остатков показал, что модель достаточно хорошая. Оценим приемлемость регрессионной модели в целом — рис. 5.
Effect Analysis of Variance; DV: K1 Данные no №1142 и 67
Sums of Squares gf Mean Squads F p-value
Regress. J13.S66Í- 11 37.59635 225Ш2 O.OOj
Residual 15.1956 n DJ670B
То:;н1 Í25.7622
Рис. 5 — Проверка уровня значимости / Fig. 5. Test level of significance
Поскольку уровень значимости меньше 0,05, то можно утверждать, что модель приемлема и будет работать лучше, чем «наивный» прогноз по средним значениям. Проанализируем коэффициент детерминации — рис. 6.
I Multiple Regression Results: Данные no №1142 и S70-p
Kultipl* RtQHialon Rtiulta [Seep 11)
Dapandant: K1 Kultlpla a ■ .93557334 T - 22 5, 0462
ar- .97135579 df - 11,7»
do . of case*: 85 «dlufttd й> .9670 3954 p - 0.000000
Standard atcac of aatlnaca: ,403733751
Intarcap*: lO.lKs:*«: Std.Crror: 1,04(140 CI 7J> - 7«,»« p - 0 0000
КЗ» b-—,74 K24 ЬА— ,14 Kts b—,0«»
K20 b—, 161 XI* Ь—. J19 ХЭ4 b—30
КЗВ Ь-",067 КЗО Ь*-- ,0« K2 5 b—,078
К17 Ь—.141 KU b—. oct
laigmfLCAlic b* ara highlighted in radl
Jbljü
MphaforhgM4*ng<Aecti |.Q5 ^ Ouck Advanced | Ffeaduab/MakRV&ratnöclion |
■и
Sirmury Re^vssun imAi
Pab^l ccmbbons
ANOVApvealgooAireoff«) Щ R«V«fcr>cy
Coyananc* d corfioert* Bffl Stepwise rvgreeaon мжтапагу Олег! sweep malm AMOVA ädfjszed for mean
|B OK Cancel
[{В ОЦИП» -
Рис. 6 — Окно результатов регрессионного анализа Fig. 6. Window of regression analysis results
Коэффициент детерминации R2 = 0,97. Он показывает какое количество факторов учтено в модели из тех, что влияют на анализируемый показатель K1 — «средняя продолжительность жизни при рождении». 97% — это хороший показатель. Модель рабочая.
Построим прогноз на основании полученной модели. Для этого возьмем лучшие значения по каждому показателю, используемому в будущей модели, и попробуем определить «эталонный» регион (см. таблицу 1).
Таблица 1 —Регионы-лндеры по характеризуемым параметрам ТаЫв. I. Regioni-ieader; by the character tied parameter:
Vc.1 ! Cortwntioa Даюлансйшш пдшшиш • liiliFPfHIii ' tOiii ZHflHi.41? Mll^Cili.U / Current ViiLis Регион-лидер л-ieurier
Ш Oiat&aiii првдопштгЕЛЬБЫль ^ешн црн ^оэаеннн 1 'ft ixpectoHty i' ji1:-: Геды yean sue ИнтщЕша jT^jizi Republic
KL : Дг пт туп-т.--пгт иЕЕаытщлолшгняньи н HiTiin«[IHS СЛЕПЛЕН I ^вгнон^ьнзи Siarf of.'¿£л-:ес/\ iwuJtvfrs-jiito^jris IHdlTf 2U ¡'и Gil ГрЕцен: Tv.HZEZi ■jO.TlUb fL.'l
KL? ОГНМПЕШШ срщшикюв Ж'^ВВГГЬЕСН н:"н;к.:б:н:нок ззргЗотаон платы раЯютниов TOCyjipcTIEBHEJS ИЦЦИИЛГП.ДЧТ) учршгггатгё гулиуры н i срЕЦКЕСЕСтзвей на^нва.1вей вэтайтеихэя ¡[ijai с :>::■; i типе ^аоегиккдв, ;>хатщ г сфере ^Еюинш^нэна Л^цг- ir:e72*e j ;миj.' lL^ji of employees ^'.-ratf Qnwkipai) mi.'jbiirans э/cuitKrt и ir.i7ig£ яаоиА^ ;ииглj.' n1zge of ii z/tej; ?«tpicyei г.ч .'¿i economy q^E-ii refira Грсцгн: pi7:ex: 114,0 K:-ciii:eth.i jTijLZi Republic
Kit йшошешЕ числа в жяквинее рЕгеснг е. чиелениктн ваоешаш! регвовж е грудоспкйши Екрдги [ir-^CC-CI L ЛЕТ, ^ЕНПННЫ 1б-з4лнт) Лдиг- manlier of tmpiofed i>: toj economy 7t£\'а;; .и popuiaiisn qi'Lii ngisn a: varaKg age fmtn iiljuari шш !S-54yearz) Процент 130,1 ПШёЩХВ гионвщ-Еый itT'T jVunst; ■IIECHI.^PL; d'zyici
к:; Коэффициент Еэпри^зсюаа Hi рыЕье ipiyaa 77-if лпи'оя ioqfifcient in ite labour marksт Е^ЕЕЦЗ pi!:e a.i Mflcni .Vfc.":ffii'
К" Ci[5f:HDCi; ЕзсегЕвнл L цтудаытсобйвш E-sjjmite (число ^сгршнз; la 100 тисгч ЧЫЮЕО; ¿.ЗОТВеТИЕ^ТСОЦеГС EOipOjCT') MtTtaiiij ■qi'E-ii papulation qfworteng age 'zw. ^rУu.:r.!!!^, of dtaiivLper IOC tbehsiDtiipeople ^'cif re:pc-yjii^ aji: Чглове]; iiii»™ 14 "i ИнтщЕша jT^jizi Republic
E14 CvuiiapEHii игаффнцветт Tiro. tTEi.E'iy TiT F и 1- и I ^ 3.L54 PECCYS-HEi -J£E1 Repniiic of Tina
из Обеспеченность ¿есен дапшнпяаго EOipaiTi местами e дошжвпьею; оВраюваггепшщ; тирд-астгтт шптЕЕТи на ЮМ ,зе:гй РЬПЕГШП сfpje-izkso: iii.'^p;: wit« piact: ir.pre-:ci\cci educational лгяйкдолз, cfplaces per J P5d c/iii1';.! F и 1- и 1 ^ IHi Чу^п-олй ЗЕТОШШНЬЕХ CjiLLfj:-^
кз; Деля увыигшвд сг:о:н;| ¡3L[:i: енпвщнл-^(мсг-Ешното io^Q!:iEZ J.ici qfmsprqfllatit orfдлЕийояг сfjtaizirga-zi commtouiiien Процент р£7:ея: 11.1 С знет-П«Ч(1 бузи
кз^ Деля ИЛИОГО :hi: iiie ЧИЕЛЕНБКТН насыб:-сы л аъб^та Рзсснйалн j.ij1'; of the imploded peptization r.i LTif^i awumipopuiQtioitqftfa ¡ufyect ■q/'fts Fedsraiia-: Процент р£7:ея: itT'T jVunst; d'zyici
КЗ" ЕЗЛ^ЕОН ТЕГнонзлисыв npcjytT Ез з^иг;." ка:е.-Енжа t Sr;;; regionai product per Еуопк r^i'.e: 4iMJ53r7 аЕтошипшн Л'влей disyic:
K3S Кп^ффвдккт С5:ЧОЕ"ЕНИЯ ЗС:-Е>Е:-вд фовзпх J/if ii^fTcjf'V. 5fr°affxtd ГрЕцгн: 1S.S Северна! Осетнг- Алзнне Rep\iiiii cfXarth ria-j.'iiii
Очевидно, что каждый в отдельности регион не обладает всем перечнем указанных в таблице 1 эталонных значений. Вместе с тем, каждый регион имеет внутренний неиспользуемый потенциал, благодаря которому он может приблизиться к высоким показателям социально-экономического благополучия регионов-лидеров. Используя достигнутые по состоянию на 2016 год значения социально-экономического развития регионов-лидеров сформируем «идеальный» регион — рис. 7.
Specify values for indep. vars ? X
K23 147.2 OK
K24 3.194 HI Cancel
Kl 5 1114 HI Common value
K20 .6 HI 0 №
Kl 9 130.1 HI
K34 76.2 HI Apply
K38 19.8 HI Satecl 1х)*раЕ>1ж! Vllilfl «Им
кзо 11.1 HI
К25 1043 >'
К37 4990259.7 HN
Рис. 7 — Выбор значений прогнозной модели / Fig. 7. Select forecast
model values
Результаты подстановки уникальных значений в расчетную модель представлены на рис. 8.
Variable Predicting Values for (Данные no №11 variable K1
b-Weight Value b Weight •Value
K23 -0,01489 147 -2.192261
K24 -1,82229 3 -5,82040
K15 0,01894 114 2.159701
K20 0,01309 1 0.00785:
K19 0,04246 130 5.52391.
K34 -0.08924 76 •€.80043
КЗ 8 0,05047 20 0.99937
КЗО -0,00981 11 -0.10887
K25 0,00131 1048 1.37065
K37 0.00000 4990260 2.38431
K12 0,02273 0 0.00000
Intercept 80.11402
Predicted □ 77,63786
-95,0%Cl 76.51188
+95,0%CL 78.76383!
Рис. 8 — Результаты предсказанных значений / Fig 8. Results of predicted values
По результатам предсказанных значений можно сделать вывод о том, что в России на текущий момент есть теоретические основания увеличить среднюю продолжительность жизни до 77,64 лет. При этом средняя фактическая продолжительность жизни по состоянию на 2016 год составляла 72 года.
Результаты
В ходе проведенного исследования была предпринята попытка создать эконометрическую прогнозную краткосрочную модель «идеального региона» по существующим в статистике «фактическим значениям» и для этого были использованы достигнутые по состоянию на 2016 год значения социально-экономического развития
регионов-лидеров. Выполнение стандартной последовательности проведения регрессионного анализа обеспечило наличие валидных выводов и достоверность полученного заключения на уровне статистической значимости. Использование в качестве переменных валового регионального продукта, уровня рождаемости, отношение занятости и границ трудоспособного поколения в Российской Федерации подчеркивает особую актуальность исследования в связи с обострившимися в последнее время проблемами дефицита средств Пенсионного фонда РФ, повышения пенсионных возрастов на фоне роста безработных и теневых заработков.
Слабым местом любого статистического анализа является не алгоритм, который представляет собой лишь формализованный подход к обработке исходных данных в виде качественных и количественных показателей, а формальное представление субъективного мнения о характере явлений и процессов.
Первоначальный выбор показателей в используемой модели может вызвать существенные вопросы. Система исследуемых показателей основана не на теоретических работах о факторах продолжительности жизни, а на разделах 2.1 и 2.3 Федерального плана статистических работ, которые используются для оценки эффективности деятельности органов исполнительной власти Субъектов Российской Федерации, только в части, относящейся к компетенции Росстата. Среди них мало собственно демографических и связанных со здравоохранением индикаторов. Отсутствуют такие важные показатели, как смертность от дорожно-транспортных происшествий, вредные привычки и образ жизни, наследственность и врожденные аномалии, уровень и стоимость здравоохранения, экологическое состояние среды проживания и наличие зон рекреации.
В соответствии с Указом Президента РФ от 07.05.2018 № 204 задача по достижению одной из национальных целей развития Российской Федерации на период до 2024 года тесным образом взаимоувязана с другими положениями «майских указов». Например, увеличение продолжительности жизни предусматривает одновременное «снижение смертности в результате дорожно-транспортных происшествий в 3,5 раза по сравнению с 2017 годом — до уровня, не превышающего четырех человек на 100 тыс. населения, а к 2030 году — стремление к нулевому уровню смертности».
В качестве региона-лидера по суммарному коэффициенту рождаемости была выбрана Республика Тыва, в которой соответственно наблюдается наивысшее в Российской Федерации значение. Между суммарным показателем рождаемости и ожидаемой продолжительностью жизни наблюдается обратная корреляция. Поэтому, если брать в «эталонном регионе» значение ожидаемой продолжительности жизни, как в Республике
Тыве, это приведет не к росту, а к сокращению итогового показателя. Поскольку повышения рождаемости также является одной из национальных целей, а достижение уровня Республики Тывы в среднем по стране невозможно в связи с последствиями демографического перехода. Необходимо исключить этот показатель из рассмотрения и пересчитать модель.
Для статистического обоснования возможности увеличения средней продолжительности жизни населения в России до 78 лет необходимо также доказать возможность одновременного достижения Россией всех показателей регионов-лидеров, что является риторическим и весьма дискуссионным вопросом.
Заключение
Рассматриваемые вопросы о продолжительности жизни населения и возможности ее увеличения не лежат только лишь в плоскости медико-биологических, естественно-исторических или экологических исследований, рассматривающих влияние на качество жизни, здоровье и комфортность проживания, тем более не подчиняются они всецело экономическим законам. Представляется, что система научного познания в сфере экономической социологии современного российского общества будет способствовать совершенствованию методологии принятия стратегических решений и позволит статистически обосновать целевые ориентиры стратегических задач «майских указов» Президента России в академических кругах.
Необходимость дальнейшего развития теоретических и практических наработок затронутой проблемы обусловлена недостижимостью в ближайшем будущем выравнивания регионов по уровню социально-экономического развития. Вместе с тем проблемные регионы имеют все возможности для ускорения развития на основе имеющихся конкурентных преимуществ и потенциала — природного, демографического, производственного, инвестиционного, инновационного, рекреационного и другого. Для этих целей необходимо среди прочего совершенствовать систему статистического учета и регионального мониторинга, благодаря чему сформируется гораздо более полный перечень факторов, планомерно влияя на которые Россия выйдет не на прогнозные значения, а на реальные результаты.
Список литературы
1. Буров М. П., Горбунов В. С. К вопросу о методологии формирования стратегии развития национальной экономики // Экономика и предпринимательство. 2017. № 4-1 (81). С. 114-121.
2. Буров М. П., Горбунов В. С. Совершенствовать управляющее воздействие на развитие территорий // Землеустройство, кадастр и мониторинг земель. 2017. № 9 (152). С. 5-13.
3. Буров М. П., Маргалитадзе О. Н. Инвестиционный климат в России: существующее положение и проблемы форсированного роста инвестиций в развитие территорий и модернизацию экономики // Землеустройство, кадастр и мониторинг земель. 2017. № 2 (145). С. 11-18.
4. Буров М. П., Маргалитадзе О. Н. Улучшать инвестиционный климат в России и форсировать привлечение инвестиций в научно-технологическое развитие страны // Экономические системы. 2016. № 4. С. 54-56.
5. Буров М.П. Государственное регулирование национальной экономики. Современные парадигмы и механизмы развития Российских регионов М.: Дашков и Ко, 2018. 342 с.
6. Волков С., Фомин А., Черкашина Е., Черкашин К. Землеустроительное обеспечение перехода от категории земель к территориальному зонированию в Российской Федерации Land relations and land management // Международный сельскохозяйственный журнал. 2015. № 5. С. 3-8.
7. Германович А.Г. Роль региональных агрокластеров в обеспечении устойчивого развития сельских территорий // Инновации и инвестиции. 2018. № 5. С. 358-361.
8. Германович А.Г. Развитие кластерной региональной экономики в РФ // Инновации и инвестиции. 2015. № 7. С. 26-28.
9. Ефремова Л.Б., Ефремов А.А. Роль природно-ресурсного потенциала в размещении сельскохозяйственного производства и его эффективности / Л.Б. Ефремова, А.А. Ефремов // Землеустройство, кадастр и мониторинг земель. 2009. № 6 (54). С. 32-37.
10. Ефремова Л.Б., Ефремов А.А. Устойчивость сельскохозяйственного производстванеобходимое условие продовольственной безопасности / Л.Б. Ефремова, А.А. Ефремов // Землеустройство, кадастр и мониторинг земель. 2010. № 8 (68). С. 75-78.
11. Иванов Н. И., Ефремова Л. Б., Горбунов В. С. Формирование устойчивой модели развития российских территорий на основе использования современных методов энергообеспечения // АПК: экономика, управление. 2019. № 1. С. 69-75.
12. Иванов Н.И. Экономико-правовые предложения по управлению землями сельскохозяйственного назначения // Известия Тульского государственного университета. Экономические и юридические науки.Вып. 3. Ч.2.Тула: Изд-во ТулГУ, 2011.с. 70-78.
13. Иванов Н.И., Чемодин Ю.А. Повышение эффективности функционирования тепличных хозяйств на основе взаимодействия с автоматизированными комплексами
безотходной утилизации твердых бытовых отходов // Московский экономический журнал. 2017. № 4. с. 55.
14. Коростелев С.П. Устойчивое развитие территорий и налогообложение недвижимости // С.П. Коростелев / Землеустройство, кадастр и мониторинг земель М.: Издательский дом «Панорама», №5, 2017. С. 32-39.
15. Нилиповский В. И., Нилиповская Д.В. Стимулирование экономического роста на основе рациональной системы природопользования // Гео-Сибирь. 2007. т. 2. № 1. С. 9397.
16. Прикладной менеджмент: учебное пособие / Ю.А. Цыпкин, Н.И. Иванов, А.С. Кокорев, А.А. Фомин. - М.: Научный консультант. - 2018. - 440 с.
17. Радионов А.С. Эффективный менеджмент в АПК в условиях импортозамещения // Московский экономический журнал. 2016. № 4. C. 26-27.
18. Рубанов И., Фомин А. Последствия присоединения к ВТО для сельского хозяйства России // Международный сельскохозяйственный журнал. 2014. № 3. С. 48-56.
19. Фомин А.А. Оценка влияния вступления России в ВТО на состояние аграрного комплекса // Хлебопродукты. 2013. № 6. С. 4-7.
20. Фомин А.А. Уроки реформ Петра Аркадьевича Столыпина // Международный сельскохозяйственный журнал. 2017, №2. С. 6-7.
21. Фомин А.А., Рубанов И.Н. Перспективы импортозамещения в отечественном сельском хозяйстве // Хлебопродукты. 2015. № 7. С. 6-7.
22. Хлопцов Д. М., Горбунов В. С. Земельный участок как основа экономики города // монография; Минобрнауки россии, федеральное гос. бюджетное образовательное учреждение высш. проф. образования "Кузбасская гос. пед. акад." (ФГБОУ ВПО "КузГПА"). Новокузнецк, 2011.
23. Чемодин Ю. А., Горбунов В. С. Методологические основы и механизмы устойчивого развития территории россии на региональном уровне. Москва, 2018.
24. Чемодин Ю.А. Актуальные проблемы Дальнего Востока // Московский экономический журнал. 2018. № 4. с. 65.
25. Чемодин Ю.А. К вопросу освоения земель северных районов Сибири и Дальнего Востока // Московский экономический журнал. 2018. № 1. с. 10.
26. Чиркова Л., Аль Харфуш Симон Экономическое взаимодействие государства и частного сектора при производстве и реализации сельхозпродукции в сирии // Международный сельскохозяйственный журнал. 2007. № 1. с. 87-88.
27. Чиркова Л.Л. диверсификация основных направлений государственного регулирования в АПК // Землеустройство, кадастр и мониторинг земель. 2008. № 3 (39). с. 35-47.
28. Шагайда Н.И., Фомин А.А. Выбор приоритетов земельной политики на Дальнем Востоке / / Международный сельскохозяйственный журнал, 2015. №1, С. 23-26.
29. Шевченко Т. В. Формирование и развитие системы сбыта сельскохозяйственной продукции отечественных производителей // Вестник Башкирского государственного аграрного университета. 2015. №3 (35). С.141-145.
30. Papaskiri T.C., Nilipovsky V.I. The use of innovative technologies in land use planing education (table) // E&M euroeducation. 2009. № 2-3. С. 9-11.
