Все выпуски

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.

Эпидемии серьезно дестабилизируют экономику, снижая производительность, ослабляя потребительскую активность и перегружая общественные ресурсы, что часто приводит к экономическим кризисам. Пандемия COVID-19 продемонстрировала ключевую роль нематериальных мер, таких как карантин, в сдерживании распространения инфекционных заболеваний. Данное исследование изучает, как развитие эпидемии и введение карантинных мер влияют на экономическое благополучие населения. С помощью компартментальных моделей на основе обыкновенных дифференциальных уравнений (ОДУ) анализируется взаимосвязь между динамикой заболевания и экономическими последствиями, особенно фокусируясь на том, как различные строгости карантина воздействуют как на распространение болезни, так и на благосостояние населения. Результаты показывают, что эпидемии наносят значительный экономический ущерб, однако своевременные и строгие карантинные меры могут снизить нагрузку на систему здравоохранения, резко уменьшая пик заражений и замедляя развитие эпидемии. Тем не менее, стратегически продуманное ослабление карантина не менее важно для предотвращения повторных вспышек. Исследование выявляет ключевые эпидемиологические пороговые значения, такие как скорость передачи, уровень выздоровления и базовое репродуктивное число $(\mathfrak{R}_0)$, которые определяют эффективность карантина. Аналитически определяется оптимальная доля изолированных лиц, необходимая для минимизации общего числа заражений в условиях постоянного иммунитета. С экономической точки зрения, влияние карантина оценивается через динамику благосостояния населения: показано, что экономические последствия зависят от доли изолированных, но сохраняющих экономическую активность граждан. Чем выше эта доля, тем лучше сохраняется благосостояние даже при фиксированных эпидемиологических параметрах. Эти выводы предоставляют властям практические рекомендации для разработки сбалансированных карантинных стратегий, способных сдерживать распространение болезней и одновременно защищать экономическую стабильность в будущих кризисах.

Модели распространения эпидемий широко применяются для моделирования социальной активности, например распространения слухов или паники. С другой стороны, для моделирования распространения активности традиционно используются модели возбудимых сред. Проведено моделирование распространения активности в виртуальном сообществе в рамках двух моделей: модели распространения эпидемий SIRS и модели возбудимой среды Винера – Розенблюта. Использованы сетевые версии этих моделей. Сеть предполагалась неоднородной: каждый элемент сети обладает индивидуальным набором характеристик, что соответствует различным психологическим типам членов сообщества. Структура виртуальной сети полагается соответствующей безмасштабной сети. Моделирование проводилось на безмасштабных сетях с различными значениями средней степени вершин. Дополнительно рассмотрен частный случай — полный граф, соответствующий узкой профессиональной группе, когда каждый член группы взаимодействует с каждым. Участники виртуального сообщества могут находиться в одном из трех состояний: 1) потенциальная готовность к восприятию определенной информации; 2) активный интерес к этой информации; 3) полное безразличие к этой информации. Эти состояния вполне соответствуют состояниям, которые обычно используют в моделях распространения эпидемий: 1) восприимчивый к ин- фекции субъект, 2) больной, 3) переболевший и более невосприимчивый к инфекции в силу приобретенного иммунитета или смерти от болезни. Сопоставление двух моделей показало их близость как на уровне формулировки основных положений, так и на уровне возможных режимов. Распространение активности по сети аналогично распространению инфекционных заболеваний. Показано, что активность в виртуальной сети может испытывать колебания или затухать.