Экономико-математическое моделирование добывающей отрасли Республики Саха (Якутия): оценка эффективности использования ресурсов
В.В. Никифорова1, Е.Э. Григорьева1, М.П. Соломонов2
1 Научно-исследовательский институт региональной экономики Севера Северо-Восточного федерального университета им. М.К. Аммосова, г. Якутск, Российская Федерация
2 Федеральный исследовательский центр Якутского научного центра Сибирского отделения Российской академии наук, г. Якутск, Российская Федерация
Горная Промышленность №4 / 2025 стр. 134-139
Резюме: Авторами проведено экономико-математическое моделирование влияния добывающей промышленности на социально-экономическое развитие муниципальных районов Республики Саха (Якутия). На основе производственной функции CES с постоянной эластичностью замещения факторов (капитал, труд) проанализированы пять ключевых добывающих районов: Алданский, Ленский, Мирнинский, Нерюнгринский, Оймяконский, которые обеспечивают более 90% объема добычи полезных ископаемых региона. Для анализа использованы данные статистики за 2000–2023 гг., включающие объем отгруженных товаров собственного производства, стоимость основных фондов и среднегодовую численность работников предприятий. Результаты исследования показали: 1 – наибольшую сбалансированность использования ресурсов в Алданском и Ленском районах; 2 – низкое качество модели в Нерюнгринском, что связано с высокой волатильностью угледобычи и дефицитом данных. На макроуровне Республика Саха (Якутия) в целом – модель демонстрирует почти идеальное соответствие, подтверждая ее применимость для стратегического планирования. Разработанная модель может служить инструментом для оптимизации инвестиций, разработки стратегий устойчивого развития и минимизации рисков в территориях присутствия. Ограничения исследования связаны с недостатком муниципальной статистики, что требует интеграции дополнительных социально-экологических параметров в будущих работах. Для дальнейшего исследования потребуется более дифференцированный подход к управлению на локальном уровне для обеспечения сбалансированного роста
Ключевые слова: добывающая промышленность, Республика Саха (Якутия), производственная функция CES, эластичность замещения, муниципальные районы, эффективность ресурсов
Благодарности: Статья написана в рамках проекта государственного задания Минобрнауки РФ «Современные методы математического моделирования и их приложения» (№ FSRG-2023-0025).
Для цитирования: Никифорова В.В., Григорьева Е.Э., Соломонов М.П. Экономико-математическое моделирование добывающей отрасли Республики Саха (Якутия): оценка эффективности использования ресурсов. Горная промышленность. 2025;(4):134–139. https://doi.org/10.30686/1609-9192-2025-4-134-139
Информация о статье
Поступила в редакцию: 03.05.2025
Поступила после рецензирования: 10.06.2025
Принята к публикации: 23.06.2025
Информация об авторах
Никифорова Валентина Васильевна – кандидат экономических наук, ведущий научный сотрудник, Научно-исследовательский институт региональной экономики Севера Северо-Восточного федерального университета им. М.К. Аммосова, г. Якутск, Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Григорьева Елена Эдуардовна – кандидат экономических наук, доцент, ведущий научный сотрудник, Научно-исследовательский институт региональной экономики Севера Северо-Восточного федерального университета им. М.К. Аммосова, г. Якутск, Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Соломонов Михаил Прокопьевич – кандидат экономических наук, доцент, ведущий научный сотрудник отдела региональных экономических и социальных исследований, Федеральный исследовательский центр Якутского научного центра Сибирского отделения Российской академии наук, г. Якутск, Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Список литературы
1. Дилигенская А.Н. Математическое моделирование и анализ процессов управления производственными системами. Вестник Самарского государственного технического университета. Серия «Технические науки». 2010;18(7):14–18. Режим доступа: https://journals.eco-vector.com/1991-8542/article/view/19491 (дата обращения: 11.04.2025). Diligenskaya A.N. Mathematical modeling and analysis of the control processes of production systems. Vestnik of Samara State Technical University. Technical Sciences Series. 2010;18(7):14–18. (In Russ.) Available at: https://journals.eco-vector.com/1991-8542/article/view/19491 (accessed: 11.04.2025).
2. Муллахмедова С.С., Шахпазова Р.Д., Саралинова Д.С., Омаров З.З. Модель экономического роста Р. Солоу: генезис теории и методологии. Региональные проблемы преобразования экономики. 2019;(12):7–15. https://doi.org/10.26726/1812-7096-2019-12-7-15 Mullahmedova S.S., Shakhpazova R.D., Saralinova Ja.S., Omarov Z.Z. Solow's economic growth model: Genesis of theory and methodology. Regionalnye Problemy Preobrazovaniya Ekonomiki. 2019;(12):7–15. (In Russ.) https://doi.org/10.26726/1812-7096-2019-12-7-15
3. Жуков Р.А., Козлова Н.О., Хлынин Э.В., Городничев С.В. Экономико-математическое моделирование состояния и перспектив добычи полезных ископаемых в регионах ЦФО. Известия Тульского государственного университета. Науки о Земле. 2022;(3):354–368. Zhukov R.A., Kozlova N.O., Khlynin E.V., Gorodnichev S.V. Economic andmathematical modeling of the condition and prospects of extraction of minerals in the central federal district regions. Izvestiya Tulskogo Gosudarstvennogo Universiteta. Nauki o Zemle. 2022;(3):354–368. (In Russ.)
4. Грабовец О.В., Сидорчукова Е.В. Корреляционно-регрессионный анализ как метод обоснования управленческих решений. Экономика и социум. 2015;(6-2):633–638. Grabovets O.V., Sidorova A.V. Correlation and regression analysis as a method of substantiating management decisions. Economy and Society. 2015;(6-2):633–638. (In Russ.)
5. Скуфьина Т.П., Баранов С.В. Математико-статистическое моделирование динамики производства ВРП регионов Севера и Арктики: в поисках лучшей модели. Вопросы статистики. 2017;(7):52–64. Режим доступа: https://voprstat.elpub.ru/jour/article/view/538 (дата обращения: 11.04.2025). Skufina T.P., Baranov S.V. Mathematical and statistical modeling of the grp production dynamics in the regions of the north and the arctic: in search of a better model. Voprosy Statistiki. 2017;(7):52–64. (In Russ.) Available at: https://voprstat.elpub. ru/jour/article/view/5381 (accessed: 11.04.2025).
6. McFadden D. Constant elasticity of substitution production functions. The Review of Economic Studies. 1963;30(2):73–83. https://doi.org/10.2307/2295804
7. Acemoglu D., Restrepo P. Tasks, automation, and the rise in US wage inequality. Econometrica. 2022;90(5):1973–2016. https://doi.org/10.3982/ECTA19815
8. Hémous D., Olsen M. The rise of the machines: Automation, horizontal innovation, and income inequality. American Economic Journal: Macroeconomics. 2022;14(1):179–223. https://doi.org/10.1257/mac.20160164
9. Stiefenhofer P. The future of work and capital: analyzing AGI in a CES production model. Applied Mathematical Sciences. 2025;19(2):47–58. https://doi.org/10.12988/ams.2025.919196
10. Baqaee D.R., Farhi E. Networks, barriers, and trade. Econometrica. 2024;92(2):505–541. https://doi.org/10.3982/ECTA17513
11. Мартынова С.И., Дмитриев А.П. Производственный процесс как объект математического моделирования. В кн.: Литовский С.М. (ред.) Тезисы докладов 36-й научно-технической конференции преподавателей и студентов университета, г. Витебск, 22–23 апр. 2023 г. Витебск: Витебский государственный технологический университет; 2003. С. 23–24.
12. Кретова Ю.И., Цирульниченко Л.А. Математическое моделирование как эффективный инструмент прогнозирования и управления производственными процессами. Вестник Южно-Уральского государственного университета. Серия: Пищевые и биотехнологии. 2018;6(1):5–13. https://doi.org/10.14529/food180101 Kretova Yu.I., Tcirulnichenko L.A. Mathematical modeling as an effective instrument for production processes predication and management. Bulletin of South Ural State University, Series Food and Biotechnology. 2018, 2018;6(1):5–13. (In Russ.) https://doi.org/10.14529/food180101
13. Биккулов И.М., Самиков А.А., Герасимов И.А. Применение математического моделирования для оптимизации производственных процессов. В кн.: Боев Е.В., Кадыров Р.Р., Андриянова Н.В., Сулейманов Д.Ф., Горбунова М.А., Овсянникова И.В. (ред.) Малоотходные, ресурсосберегающие химические технологии и экологическая безопасность – 2020: сб. материалов 3-й Всерос. науч.-практ. конф., г. Стерлитамак, 20 окт. 2020 г. Уфа: Нефтегазовое дело; 2020. С. 585–590.
14. Лемешко Е.Ю. Применение математического моделирования для оптимизации производственных процессов. Вестник науки. 2024;1(4):452–456. Режим доступа: https://www.вестник-науки.рф/article/13733 (дата обращения: 11.04.2025). Lemeshko E.Yu. Application of mathematical modeling to optimize production processes. Science Bulletin. 2024;1(4):452– 456. (In Russ.) Available at: https://www.вестник-науки.рф/article/13733 (accessed: 11.04.2025).
15. Komissarov P.V. Comprehensive assessment of the base of mathematical modelling of production business processes. European Scientific e-Journal. 2021;(8):7–23. https://doi.org/10.47451/man2021-09-001
Dabiev D.F. Assessment of the development of the mountain regions of Russia. Russian Mining Industry. 2022;(2): 81–83. (In Russ.) https://doi.org/10.30686/1609-9192-2022-2-81-83
