Видео
Выступление состоялось в рамках прошедшей 19-21 марта 2025 г. VII-й Всероссийской научно-практической конференции «Анализ и прогнозирование развития экономики России», организованной ИНП РАН и ИЭОПП СО РАН.
Презентация
Тезисы
Оценка влияния инфраструктурных эффектов на пространственное размещение компаний
Введение. Влияние инфраструктуры на экономическую активность носит локальный характер и концентрируется в непосредственной близости от инфраструктурных объектов. В регионе могут находиться как хорошо обеспеченные инфраструктурой зоны, так и отдаленные участки без доступа к транспортным артериям. Традиционные методы анализа, основанные на агрегированных данных по административным единицам, приводят к сглаживанию локальных закономерностей и не позволяют достоверно оценить зоны влияния инфраструктурных объектов. Агрегирование на уровне крупных административных единиц скрывает существование «горячих точек» — локальных участков с аномально высокой концентрацией инфраструктуры, где влияние на экономическую активность значительно превышает средние региональные показатели.
В исследовании был разработан подход пространственной оценки влияния транспортной и энергетической инфраструктуры на размещение компаний и создан инструментарий для прогнозирования эффектов инфраструктурных инвестиций на экономические и социальные показатели с учетом пространственной локализации воздействия.
Методология исследования. Исследование основано на пространственном анализе с использованием сетки ячеек размером 0,1° широты × 0,1° долготы (приблизительно 8×11 км). Данный подход позволяет рассматривать каждый участок отдельно, выявлять локальные закономерности и определять наиболее перспективные зоны для бизнеса, где инфраструктура создает наиболее благоприятные условия. Переход к пространственному анализу дает возможность не только увидеть общие тренды, но и выявить «горячие точки», где влияние инфраструктуры — железных дорог, автодорог, линий электропередач — особенно сильно проявляется.
Для количественной оценки инфраструктурной обеспеченности применялся алгоритм дискретизации объектов (железные дороги, автомобильные дороги, линии электропередач) с шагом 100 метров с последующей привязкой к ячейкам пространственной сетки. Расчет индексов концентрации инфраструктуры учитывал центральную ячейку и восемь смежных ячеек с весовыми коэффициентами, убывающими с расстоянием.
Данные. Сформирована база геопространственных панельных данных, включающая 2,913,417 наблюдений за период 2014-2022 годов по 85 субъектам Российской Федерации. База данных содержит 29 переменных, разделенных на две категории.
Локальные признаки (различные для каждой ячейки):
- концентрация инфраструктуры (железнодорожной, автомобильной, электроэнергетической);
- концентрация компаний и концентрация выручки;
- географические координаты ячейки;
- региональная принадлежность ячейки.
Региональные признаки (единые для всех ячеек региона):
- стоимость грузоперевозок;
- среднегодовая численность населения;
- среднемесячная номинальная заработная плата работников организаций;
- доля компаний, использующих глобальные информационные сети;
- доля медицинских работников.
Качество данных характеризуется долей пропущенных значений не более 12,4%, что соответствует стандартам панельных исследований данного масштаба.
Модели для прогнозирования. Для прогнозирования влияния инфраструктурных изменений была применена комбинация двух моделей машинного обучения и нейронных сетей. Модель XGBoost использовалась для краткосрочного прогнозирования мгновенных эффектов и делала прогноз на 2021 год, LSTM применялась для долгосрочного прогнозирования с учетом лагов на период 2022-2025 гг.
Рис. 1. Результаты прогнозирования концентрации выручки на примере Новосибирской области
Источник: расчеты автора по данным Базы Знаний ИЭОПП СО РАН.
Валидация моделей на данных Новосибирской области показала следующие характеристики точности для прогнозирования концентрации выручки: средняя абсолютная ошибка (MAE) = 0,03, среднеквадратичная ошибка (MSE) = 0,0011, средняя абсолютная процентная ошибка (MAPE) = 0,109%. Полученные результаты свидетельствовали о высокой предсказательной способности разработанных моделей.
Анализ значимости факторов для прогнозирования. Оценка важности признаков в модели XGBoost для прогнозирования концентрации выручки в Новосибирской области выявила доминирующую роль объема перевозки грузов автомобильным транспортом. Среди других значимых факторов оказались: доля компаний, использующих глобальные информационные системы, валовой региональный продукт, средняя заработная плата работников организаций.
Рис. 2. Диаграмма важности признаков для прогнозирования
Источник: расчеты автора по данным Базы Знаний ИЭОПП СО РАН.
Концентрация линий электропередач демонстрирует относительно низкую важность для прогнозирования экономической активности, что может объясняться повсеместным характером электроснабжения и меньшей дифференцирующей способностью данного показателя.
Разработка интерактивной системы. Разработанная методология создает основу для создания интерактивной системы поддержки принятия решений в области инфраструктурного планирования. Планируемая система будет функционировать по следующему алгоритму: пользователь наносит на карту планируемые инфраструктурные объекты (железные дороги, автодороги, линии электропередач), система автоматически пересчитывает индексы концентрации для затронутых ячеек, запускает прогнозные модели XGBoost и LSTM, и в режиме реального времени отображает ожидаемые изменения экономических показателей.
Система будет обеспечивать два типа прогнозирования:
- мгновенные прогнозы (XGBoost) — оценка непосредственного влияния инфраструктурных изменений на текущие экономические показатели;
- долгосрочные прогнозы (LSTM) — учет временных лагов и оценка эффектов на горизонте 2-3, 4-5 и 10 лет.
Система позволит оценивать потенциальные эффекты инфраструктурных инвестиций с учетом их пространственной локализации и временных лагов воздействия.
Выводы и направления развития. Представленное исследование демонстрирует применимость пространственного подхода к анализу инфраструктурных эффектов на размещение экономической активности. Текущее исследование ограничено анализом трех типов инфраструктуры и не учитывает социальную инфраструктуру, объекты связи и другие виды инфраструктурного обеспечения. Перспективные направления исследования включают расширение временного охвата данных до 2024 года, включение дополнительных типов инфраструктуры, апробацию методологии на более широком круге регионов и разработку отраслевых моделей влияния инфраструктуры на различные сферы экономической деятельности.
