Все выпуски

В условиях развития современной экономики человеческий капитал является одним из главных факторов экономического роста. Формирование человеческого капитала начинается с рождения человека и продолжается в течение всей жизни, поэтому величина человеческого капитала неотделима от его носителей, что, в свою очередь, затрудняет учет данного фактора. Это привело к тому, что в настоящее время нет общепринятых методик расчета величины человеческого капитала. Можно выделить лишь несколько подходов к измерению человеческого капитала: стоимостной подход (по доходам или инвестициям) и индексный подход, из которых наиболее известен подход, разработанный под эгидой ООН.

В данной работе поставленная задача рассматривается совместно с задачей демографической динамики, решаемой во временно-возрастной плоскости, что позволяет наиболее полно учесть влияние временных изменений демографической структуры на динамику человеческого капитала.

Задача демографической динамики ставится в рамках модели Мак-Кендрика – фон Ферстера на основе уравнения динамики возрастного состава. Вид функций распределения рождений, смертности и миграции населения определяется на основе имеющейся статистической информации. Приводится численное решение задачи. Представлены анализ и прогноз демографических показателей. На основе задачи демографической динамики формулируется экономико-математическая модель динамики человеческого капитала. В задаче моделирования динамики человеческого капитала рассматриваются три составляющие: образовательная, составляющая здоровья и культурная (духовная) составляющая. Для описания эволюции составляющих человеческого капитала используется двумерное уравнение типа уравнения переноса. Объемы инвестиций в составляющие человеческого капитала определяются на основе расходных статей бюджета и частных расходов с учетом характерного временного жизненного цикла демографических элементов. Для прогнозирования динамики суммарной величины человеческого капитала используется одномерное кинетическое уравнение. Приводится методика расчета динамики данного фактора как функции времени. Представлены расчетные данные по динамике человеческого капитала для Российской Федерации. Как показали исследования, величина человеческого капитала интенсивно нарастала до 2008 года, в дальнейшем наступил период стабилизации, но после 2014 года имеет место отрицательная динамика данной величины.

В статье рассмотрены режимы с обострением в социальной и биологической истории. Проведен анализ возможных причин резкого ускорения биологических и социальных процессов в определенные исторические эпохи. С использованием математического моделирования показано, что гиперболические тренды в социальной и биологической эволюции могут быть следствием переходных процессов в периоды расширения экологических ниш. Ускорение биологического видообразования связано с тем, что более ранние виды своей жизнедеятельностью изменяют среду обитания, делая ее более разнообразной, насыщая органикой, тем самым создавая благоприятные условия для появления новых видов. В социальной истории расширение экологических ниш связано с технологическими революциями, важнейшими из которых были: неолитическая революция — переход от присваивающего хозяйства к производящему (10 тыс. лет назад), «городская революция» — переход от неолита к бронзовому веку (5 тыс. лет назад), «осевое время» — переход к массовому освоению железных орудий (2.5 тыс. лет назад), промышленная революция — переход от ручного труда к машинному (200 лет назад). Все эти технологические революции сопровождались резким демографическим ростом, изменениями в социальной и политической сфе- рах. Так, наблюдаемый в последние столетия гиперболический характер роста некоторых демографических, экономических и других показателей мировой динамики — это следствие переходных процессов, начавшихся вследствие промышленной революции (замены ручного труда машинным) и предваряющих переход общества на новую стадию своего развития. Точка сингулярности гиперболического тренда характеризует окончание начального этапа этого процесса и переход к завершающей его стадии. Предложена математическая модель, описывающая демографические и экономические изменения в эпохи перемен. Показано, что прямым аналогом современной ситуации в этом смысле является «осевое время» (период с 8 века до нашей эры до начала нашей эры). Наличие такой аналогии позволяет заглянуть в будущее, изучая прошлое.

В работе изучаются пространственно-временные режимы, реализующиеся в системе типа «хищник– жертва». Предполагается, что хищники перемещаются направленно и случайно, а жертвы распространяются только диффузионно. Демографические процессы в популяции хищников не учитываются, их общая численность постоянна и является параметром. Переменные модели — плотности популяций хищников и жертв, скорость хищников — связаны между собой системой трех уравнений типа «реакция – диффузия – адвекция». Система рассматривается на кольцевом ареале (с периодическими условиями на границах интервала). Исследуются бифуркации волновых режимов при изменении двух параметров — общего количества хищников и их коэффициента таксисного ускорения.

Основным методом исследования является численный анализ. Пространственная аппроксимация задачи в частных производных производится методом конечных разностей. Интегрирование полученной системы обыкновенных дифференциальных уравнений по времени проводится методом Рунге – Кутты. Для анализа динамических режимов используются построение отображения Пуанкаре, расчет показателей Ляпунова и спектр Фурье.

Показано, что популяционные волны в предположениях модели могут возникать в результате направленных перемещений хищников. Динамика в системе качественно меняется при росте их общего количества. При малых значениях устойчив стационарный однородный режим, который сменяется автоколебаниями в виде бегущих волн. Форма волн претерпевает изменения с ростом бифуркационного параметра, ее усложнение происходит за счет увеличения числа временных колебательных мод. Большой коэффициент таксисного ускорения приводит к переходу от многочастотных к хаотическим и гиперхаотическим популяционным волнам. При большом количестве хищников реализуется стационарный режим с отсутствием жертв.

Статья посвящена исследованию социально-экономических последствий от вирусных эпидемий в условиях неоднородности экономического развития территориальных систем. Актуальность исследования обусловлена необходимостью поиска оперативных механизмов государственного управления и стабилизации неблагоприятной эпидемио-логической ситуации с учетом пространственной неоднородности распространения COVID-19, сопровождающейся концентрацией инфекции в крупных мегаполисах и на территориях с высокой экономической активностью.

Целью работы является разработка комплексного подхода к исследованию пространственной неоднородности распространения коронавирусной инфекции с точки зрения экономических последствий пандемии в регионах России. В работе особое внимание уделяется моделированию последствий ухудшающейся эпидемиологической ситуации на динамике экономического развития региональных систем, определению полюсов роста распространения коронавирусной инфекции, пространственных кластеров и зон их влияния с оценкой межтерриториальных взаимосвязей. Особенностью разработанного подхода является пространственная кластеризация региональных систем по уровню заболеваемости COVID-19, проведенная с использованием глобального и локальных индексов пространственной автокорреляции, различных матриц пространственных весов и матрицы взаимовлияния Л.Анселина на основе статистической информации Росстата. В результате проведенного исследования были выявлены пространственный кластер, отличающийся высоким уровнем инфицирования COVID-19 с сильной зоной влияния и устойчивыми межрегиональными взаимосвязями с окружающими регионами, а также сформировавшиеся полюса роста, которые являются потенциальными полюсами дальнейшего распространения коронавирусной инфекции. Проведенный в работе регрессионный анализ с использованием панельных данных позволил сформировать модель для сценарного прогнозирования последствий от распространения коронавирусной инфекции и принятия управленческих решений органами государственной власти.

В работе выявлено, что увеличение числа заболевших коронавирусной инфекцией влияет на сокращение среднесписочной численности работников, снижение средней начисленной заработной платы. Предложенный подход к моделированию последствий COVID-19 может быть расширен за счет использования полученных результатов исследования при проектировании агент-ориентированной моделей, которые позволят оценить средне- и долгосрочные социально-экономические последствия пандемии с точки зрения особенностей поведения различных групп населения. Проведение компьютерных экспериментов позволит воспроизвести социально-демографическая структуру населения и оценить различные ограничительные меры в регионах России и сформировать пространственные приоритеты поддержки населения и бизнеса в условиях пандемии. На основе предлагаемого методологического подхода может быть разработана агент-ориентированная модель в виде программного комплекса, предназначенного для системы поддержки принятия решений оперативным штабам, центрам мониторинга эпидемиологической ситуации, органам государственного управления на федеральном и региональном уровнях.

В последней четверти ХХ века характер глобального демографического и экономического развития стал быстро изменяться: непрерывно ускорявшийся рост основных характеристик, имевший место на протяжении предыдущих двухсот лет, сменился на резкое их торможение. В условиях этих изменений возрастает роль долгосрочного прогноза мировой динамики. При этом прогноз должен основываться не на инерционном проецировании прошлых тенденций в будущие периоды, а на математическом моделировании фундаментальных закономерностей исторического развития. В статье изложены предварительные результаты исследований по математическому моделированию и прогнозированию мировой демографо-экономической динамики, основанные на таком подходе. Предложены базовые динамические уравнения, отражающие эту динамику, обоснована модификация этих уравнений применительно к разным историческим эпохам. Для каждой исторической эпохи на основе анализа соответствующей ей системы уравнений определялся фазовый портрет и проводился анализ его особенностей. На основе этого анализа делались выводы о закономерностях мирового развития в рассматриваемый период.

Показано, что для моделирования исторической динамики важным является математическое описание развития технологий. Предложен способ описания технологической динамики, на основе которого предложены соответствующие математические уравнения.

Рассмотрены три стадии исторического развития: стадия аграрного общества (до начала XIX века), стадия индустриального общества (XIX–ХХ века) и современная эпоха. Предложенная математическая модель показывает, что для аграрного общества характерна циклическая демографо-экономическая динамика, в то время как для индустриального общества характерен рост демографических и экономических характеристик, близкий к гиперболическому.

Результаты математического моделирования показали, что человечество в настоящее время переходит на принципиально новую фазу исторического развития. Происходит торможение роста и переход человеческого общества в новое фазовое состояние, облик которого еще не определен. Рассмотрены различные варианты дальнейшего развития.

В статье описывается имитационная агентная модель межкультурных взаимодействий в стране, население которой принадлежит к разным культурам. Считается, что пространство культур может быть представлено как гильбертово пространство, в котором различным культурам соответствуют определенные подпространства. В модели понятие «культура» понимается как некоторое структурированное подпространство гильбертова пространства. Это позволяет описывать состояние агентов вектором в гильбертовом пространстве. Считается, что каждый агент описывается принадлежностью к определенной культуре. Численности агентов, принадлежащие определенным культурам, определяются демографическими процессами, которые соответствуют данным культурам, глубиной и целостностью образовательного процесса, а также интенсивностью межкультурных контактов. Взаимодействие между агентами происходит внутри кластеров, на которые по определенным критериям разбивается все множество агентов. При взаимодействии между агентами по определенному алгоритму изменяются длина и угол, характеризующий состояние агента. В процессе имитации в зависимости от количества агентов, относящихся к различным культурам, интенсивности демографических и образовательных процессов, а также интенсивности межкультурных контактов формируются совокупности агентов (кластеры), агенты которых принадлежат разным культурам. Такие межкультурные кластеры не принадлежат целиком ни к одной из рассматриваемых первоначально в модели культур. Такие межкультурные кластеры порождают неопределенности в культурной динамике. В работе приводятся результаты имитационных экспериментов, которые иллюстрируют влияние демографических и образовательных процессов на динамику межкультурных кластеров. Обсуждаются вопросы развития предложенного подхода к изучению (обсуждению) переходных состояний развития культур.