Актуализация методических подходов к сценарному моделированию социально-экономического развития малых городов

,

,

Введение . В современной России малые города представляют собой не только демографические единицы, но и культурные, исторические, экономические центры, обеспечивающие связность пространства страны. Их численность превышает 800, а совокупное население составляет более 15 миллионов человек. Однако, несмотря на это, именно малые города остаются на периферии государственной и региональной политики, что отражается в слабом инвестиционном потенциале, оттоке населения, снижении качества жизни и депрессии местных экономик (Борисова, Беляев, 2021).

Для обеспечения устойчивого развития таких территорий необходимы инструменты прогнозирования и стратегического планирования, адаптированные к их специфике (Ускова, Секушева, 2021). В соответствии с этим, одной из задач государственной Стратегии пространственного развития России1 является обеспечение устойчивого развития территорий, включая малые города (Иваненко, 2021). Однако эффективность стратегического и тактического планирования на местах зачастую ограничивается отсутствием современных аналитических инструментов (Евсеева, 2023). В этих условиях сценарное моделирование становится важным механизмом предвидения возможных траекторий развития и выработки адекватных управленческих решений.

Несмотря на существование ряда методов и подходов к сценарному моделированию, они в недостаточной степени учитывают особенные характеристики малых городов и преимущественно ориентированы на крупные города и мегаполисы. В связи с этим возникла необходимость актуализации методов сценарного моделирования с учетом особенностей и специфики социально-экономического развития малых городов.

Основная часть . Сценарное моделирование представляет собой инструмент стратегического анализа, позволяющий исследовать множество возможных путей развития объекта в условиях неопределенности, которое начало активно развиваться во второй половине XX века, возникло на стыке системного анализа, теории принятия решений и стратегического менеджмента и получило развитие в работах Г. Кана, П. Шварца, И. Ансоффа.

Герман Кан считал, что анализ будущего просто невозможен без отказа от линейного мышления, и предложил методику построения множественных альтернативных сценариев, которые отличаются по вероятности, масштабам последствий и степени управляемости. Его основной тезис: необходимость «думать о немыслимом» (think the unthinkable), особенно в условиях угрозы ядерной войны.

Метод Кана включает такие ключевые элементы, как формирование широкого спектра возможных сценариев, выявление критических неопределенностей, системный анализ последствий каждого сценария и разработка стратегий адаптации и реагирования.

Эти принципы легли в основу многих современных подходов к стратегическому планированию, включая сценарии Shell, методологии RAND Corporation, а также государственные программы прогнозирования.

Наиболее ярко сценарный подход Кана проявился в его работах, посвященных анализу возможных сценариев ядерного конфликта. В книге «On Thermonuclear War» он рассматривает ряд гипотетических ситуаций, в которых происходит эскалация конфликта между США и СССР (Kahn, 1961).

В работе «On Escalation: Metaphors and Scenarios» Кан вводит понятие эскалационной лестницы, а именно модели поэтапного усиления конфликта, каждая ступень которой представляет собой отдельный сценарий с различными последствиями (Kahn, 1965).

Кан отвергал фаталистское представление о ядерной войне как о полной катастрофе. Однако, помимо военной тематики, он активно занимался прогнозированием долгосрочного будущего в гражданской сфере. В книге «The Year 2000: A Framework for Speculation on the Next Thirty-Three

Years», написанной в соавторстве с Даниелом Винером, Кан анализирует ключевые тренды в демографии, науке, технологии и экономике, создавая несколько сценариев развития мира до 2000 г. (Kahn, Wiener, 1969).

Еще одним из разработчиков легендарной сценарной методологии корпорации Shell является футуролог и стратег Питер Шварц. Его книга «The Art of the Long View» считается классикой в области стратегического прогнозирования и до сих пор активно используется в бизнесе, политике и общественном секторе (Schwartz, 1996).

Питер Шварц рассматривает сценарное моделирование не как способ предсказания, а как инструмент понимания, что делает сценарное моделирование мощным средством адаптации к неопределенности (Глазьев, Щипков, 2020).

Таким образом, в отличие от традиционного прогнозирования, основанного на экстраполяции существующих трендов, сценарное моделирование предполагает построение набора альтернативных и взаимоисключающих сценариев. Это особенно важно в условиях нестабильной макроэкономической и политической среды, присущей современному этапу развития регионов России.

В научной и практической литературе выделяются различные виды сценариев, при этом их использование позволяет исследовать широкий спектр рисков, возможностей и ограничений в развитии территорий. Анализ показывает, что при построении сценариев социально-экономического развития малых городов выделяют подходы к их формированию, наиболее релевантные представлены на рисунке 1 (Дранко и др., 2024).

Инерционный подход ‒ строится на анализе текущих трендов без значительных изменений внешней и внутренней среды. Позволяет выявить потенциальные риски при сохранении существующей политики

Драйверный подход ‒ акцентируется на ключевых факторах роста: инвестициях, инновациях, человеческом капитале. Сценарии формируются вокруг одного или нескольких драйверов развития

Институциональный подход ‒ учитывает влияние институтов: органов власти, нормативной базы, участия граждан и бизнеса. Предполагает анализ институциональной зрелости

Сценарии участия (participatory scenarios) ‒ основаны на активном вовлечении и местных сообществ, что позволяет повысить реалистичность и легитимность моделей

Рисунок 1 ‒ Подходы к формированию сценариев развития малых городов¹

Figure 1 ‒ Approaches to Developing Scenarios for Small Cities

Каждый из подходов может быть использован как самостоятельно, так и в комбинации, в зависимости от задач моделирования и доступности данных.

Сам процесс построения сценариев включает в себя несколько последовательных этапов, таких как:

• 1.    Диагностика текущего состояния ‒ анализ социально-экономической ситуации, институциональной среды, инфраструктуры.

• 2.    Идентификация ключевых факторов и трендов ‒ применение PEST, SWOT- или STEEPLE-анализа.

• 3.    Определение неопределенностей ‒ выделение критически важных переменных с высокой степенью непредсказуемости.

• 4.    Построение сценарных осей и матрицы сценариев ‒ например, ось 1: государственная поддержка/самостоятельное развитие; ось 2: отток/приток населения.

• 5.    Формирование сценарных моделей ‒ качественное и количественное описание возможных путей развития.

• 6.    Оценка сценариев и выбор предпочтительных стратегий ‒ на основе системы показателей и экспертной оценки.

• 7.    Разработка механизмов реализации ‒ программно-целевое планирование, привлечение инвестиций, развитие человеческого капитала.

Для оценки сценарных моделей развития малых городов целесообразно использовать многоуровневую систему показателей, которая разделена на четыре кластера (рисунок 2).

Согласно данным рисунка 2, можно видеть, что каждый кластер содержит показатели, которые различаются как по качественным и количественным характеристикам, так и по форме выражения и единицам измерения. В связи с этим мы считаем, что для анализа сценарного развития более 800 малых регионов целесообразно применить балльно-рейтинговую оценку развития.

Балльно-рейтинговая оценка позволит привести каждый блок показателей развития регионов к сопоставимому виду.

Рисунок 2 – Кластеры и показатели оценки сценарного моделирования

Figure 2 - Clusters and Indicators of Scenario Modeling Assessment

Особенность авторской методики сценарного моделирования развития малых городов России заключается в глубоком учете специфики этих территорий, что отличает подход от традиционных моделей, ориентированных на крупные города и мегаполисы.

Методика включает несколько ключевых аспектов:

• -    локальные особенности: учитывается не только общая экономическая и социальная ситуация, но и уникальные характеристики малых городов, такие как ограниченность ресурсов, особенности инфраструктуры и культурно-историческое наследие;

• -    гибкость и адаптивность: методика предлагает сценарии, которые могут быть настроены под различные внешние и внутренние изменения: от изменений в законодательстве до глобальных экономических факторов, влияющих на малые города;

• -    многоуровневый подход: используются многогранные аналитические инструменты, что позволяет моделировать как долгосрочные перспективы, так и краткосрочные изменения, с акцентом на устойчивое развитие малых городов.

В целом, авторская методика обеспечивает более точное и комплексное понимание того, как малые города могут развиваться в условиях современной нестабильности, что позволяет создавать более эффективные и долгосрочные стратегии их роста и процветания.

Так, суть данной оценки заключается в том, что все показатели можно будет оценить в интервале от 0 до 1, а далее по каждому кластеру следует определить общий интегральный показатель развития за определенный период времени (Ir).

Согласно нашим предыдущим исследованиям, распределение малых городов по уровню развития будет выглядеть следующим образом:

• •    сверхнизкий уровень – Ir 0 ≤ 0,19;

• •    низкий уровень – Ir 0,20‒0,39;

• •    средний – Ir 0,4‒0,59;

• •    высокий – Ir 0,6‒0,79;

• •    сверхвысокий – Ir 0,8‒1,0 (Селезнев и др., 2025).

Балльно-рейтинговую оценку мы будем проводить по выборке 165 малых городов (выделенные в Стратегии пространственного развития как опорные населенные пункты) Центрального Федерального округа. Источником информации послужили данные муниципальной статистики Росстата1 и «Национальная система пространственных данных», представленная на портале пространственных данных2. Результаты выборки малых городов по кластеру «Демографические и социальные показатели» в целом за период с 2019 по 2023 гг. приведены в таблице 1.

Таблица 1 ‒ Результаты выборки малых городов по кластеру «Демографические и социальные показатели» – малые города ЦФО, 2019‒2023 гг.

Table 1 ‒ Results of the Sample of Small Cities by the Cluster “Demographic and Social Indicators” ‒

Small Cities of the Central Federal District, 2019‒2023

Значения общего интегрального показателя развития за определенный период временипо кластеру (Ir)	Малый город ЦФО (опорный населенный пункт)	Количество городов
0‒0,19 / сверхнизкий	Новый Оскол, Строитель, Грайворон, Короча, Новозыбков, Дятьково, Унеча, Стародуб, Жуковка, Карачев, Почеп, Трубчевск, Сураж, Мглин, Севск, Злынск, Кольчугино, Киржач, Радужный, Юрьев-Польский, Меленки, Гороховец, Камешково, Острогожск, Нововоронеж, Бутурлиновка, Павловск, Бобров, Калач, Поворино, Богучар, Эртиль, Новохопёрск, Тейково, Кохма, Вичуга, Фурманов, Родники, Приволжск, Южа, Комсомольск, Заволжск, Юрьевец, Пучеж, Гаврилов Посад, Козельск, Сухиничи, Боровск, Таруса, Медынь, Юхнов, Спас-Деменск, Мосальск, Мещовск, Шарья, Нерехта, Волгореченск, Мантурово, Галич, Нея, Макарьев, Солигалич, Чухлома, Кологрив, Курчатов, Льгов, Рыльск, Щигры, Обоянь, Дмитриев, Суджа, Фатеж, Грязи, Усмань, Лебедянь, Данков, Чаплыгин, Задонск, Талдом, Ливны, Мценск, Болхов, Дмитровск, Малоархангельск, Новосиль, Касимов, Скопин, Рыбное, Сасово, Ряжск, Кораблино, Михайлов, Шацк, Спас-Клепики, Рославль, Ярцево, Сафоново, Гагарин, Десногорск, Дорогобуж, Рудня, Ельня, Сычёвка, Починок, Демидов, Духовщина, Рассказово, Моршанск, Котовск, Уварово, Кирсанов, Жердевка, Вышний Волочек, Торжок, Кимры, Конаково, Удомля, Бежецк, Бологое, Нелидово, Осташков, Кашин, Калязин, Торопец, Старица, Ефремов, Киреевск, Тутаев, Углич, Ростов, Гаврилов-Ям, Данилов, Мышкин, Пошехонье, Вязники, Суздаль, Жуков, Боровск, Волоколамск, Руза, Спасск-Рязанский, Черноголовка	138
0,2‒0,39 / низкий	Шебекино, Алексеевка, Валуйки, Луховицы, Зарайск, Людиново, Киров, Кашин, Калязин, Торопец, Лихославль, Кувшиново, Западная Двина, Андреаполь, Зубцов, Весьегонск, Красный Холм, Белый, Можайск	19
0,4‒0,59 / средний	Гусь-Хрустальный, Малоярославец, Переславль-Залесский, Краснознаменск	4
0,6‒0,79 / высокий	Кашира, Шатура, Узловая	3
0,8‒1 / сверхвысокий	Солнечногорск	1

Следует отметить, что большинство малых городов из представленной выборки имеет сверхнизкий уровень интегрального показателя развития по кластеру «Демографические и социальные показатели». Для повышения уровня данного кластера необходимо активно проводить демографическую политику, стимулировать рост доходов населения и обеспечивать его социальными услугами.

Результаты выборки малых городов по кластеру «Экономические и бюджетные показатели» в целом за период с 2019 по 2023 г. приведены в таблице 2.

Таблица 2 ‒ Результаты выборки малых городов по кластеру «Экономические и бюджетные показатели» – малые города ЦФО, 2019‒2023 гг.

Table 2 ‒ Results of the Sample of Small Cities by the Cluster “Economic and Budgetary Indicators” ‒

Small Cities of the Central Federal District, 2019‒2023

Значения общего интегрального показателя развития за определенный период времени по кластеру (Ir)	Малый город ЦФО (опорный населенный пункт)	Количество городов
0‒0,19 / сверхнизкий	Шебекино, Алексеевка, Валуйки, Новый Оскол, Грайворон, Короча, Новозыбков, Дятьково, Унеча, Стародуб, Жуковка, Карачев, Почеп, Трубчевск, Сураж, Мглин, Севск, Злынск, Кольчугино, Киржач, Радужный, Юрьев-Польский, Меленки, Гороховец, Камешково, Острогожск, Нововоронеж, Бутурлиновка, Павловск, Бобров, Калач, Поворино, Богучар, Эртиль, Новохопёрск, Тейково, Кохма, Вичуга, Фурманов, Родники, Приволжск, Южа, Комсомольск, Заволжск, Юрьевец, Пучеж, Гаврилов Посад, Людиново, Киров, Козельск, Сухиничи, Боровск, Таруса, Медынь, Юхнов, Спас-Деменск, Мосальск, Мещовск, Шарья, Нерехта, Волгореченск, Мантурово, Галич, Нея, Макарьев, Солигалич, Чухлома, Кологрив, Курчатов, Льгов, Рыльск, Щигры, Обоянь, Дмитриев, Суджа, Фатеж, Грязи, Усмань, Лебедянь, Данков, Чаплыгин, Задонск, Луховицы, Зарайск, Талдом, Ливны, Мценск, Болхов, Дмитровск, Малоархангельск, Новосиль, Касимов, Скопин, Рыбное, Сасово, Ряжск, Кораблино, Михайлов, Шацк, Спас-Клепики, Рославль, Ярцево, Сафоново, Гагарин, Десногорск, Дорогобуж, Рудня, Ельня, Сычёвка, Починок, Демидов, Духовщина, Рассказово, Моршанск, Котовск, Уварово, Кирсанов, Жердевка, Вышний Волочек, Торжок, Кимры, Конаково, Удомля, Бежецк, Бологое, Нелидово, Осташков, Кашин, Калязин, Торопец, Лихославль, Кувшиново, Западная Двина, Старица, Андреаполь, Зубцов, Весьегонск, Красный Холм, Белый, Ефремов, Киреевск, Тутаев, Углич, Ростов, Гаврилов-Ям, Данилов, Мышкин, Пошехонье	147
0,2‒0,39 / низкий	Строитель, Гусь-Хрустальный, Вязники, Суздаль, Малоярославец, Жуков, Боровск, Кашира, Шатура, Можайск, Волоколамск, Руза, Спасск-Рязанский, Узловая, Переславль-Залесский	15
0,4‒0,59 / средний	Краснознаменск	1
0,6‒0,79 / высокий	Черноголовка	1
0,8‒1 / сверхвысокий	Солнечногорск	1

По кластеру «Экономические и бюджетные показатели» также большинство регионов находится в первой группе и имеет сверхнизкий уровень интегрального показателя развития. В рамках данного кластера целесообразно проводить поддержку предпринимательского сектора, стимулировать рост доходов бюджета и повышать бюджетную обеспеченность.

Результаты выборки малых городов по кластеру «Инфраструктурные и пространственные показатели» в целом за период с 2019 по 2023 г. приведены в таблице 3.

По кластеру «Инфраструктурные и пространственные показатели» наблюдаются незначительные структурные изменения, однако большая часть малых городов, а именно 119, все же находится в первом интервале и имеет сверхнизкий уровень развития. Для решения этой проблемы в рамках данного кластера необходимо повысить инвестиционную привлекательность и активность малых городов.

Таблица 3 ‒ Результаты выборки малых городов по кластеру «Инфраструктурные и пространственные показатели» – малые города ЦФО, 2019‒2023 гг.

Table 3 ‒ Results of the Sample of Small Cities by the Cluster “Infrastructure and Spatial Indicators” – Small Cities of the Central Federal District, 2019‒2023

Значения общего интегрального показателя развития за определенный период времени по кластеру (Ir)	Малый город ЦФО (опорный населенный пункт)	Количество городов
0‒0,19 / сверхнизкий	Сураж, Мглин, Севск, Злынск, Кольчугино, Киржач, Радужный, Юрьев-Польский, Меленки, Гороховец, Камешково, Острогожск, Нововоронеж, Бутурлиновка, Павловск, Бобров, Калач, Поворино, Богучар, Эртиль, Новохопёрск, Тейково, Кохма, Вичуга, Фурманов, Родники, Приволжск, Южа, Комсомольск, Заволжск, Юрьевец, Гаврилов Посад, Киров, Козельск, Сухиничи, Боровск, Таруса, Медынь, Юхнов, Спас-Деменск, Мосальск, Мещовск, Шарья, Данков, Задонск, Луховицы, Зарайск, Талдом, Ливны, Дмитровск, Малоархангельск, Новосиль, Касимов, Скопин, Рыбное, Сасово, Ряжск, Кораблино, Михайлов, Спас-Клепики, Ярцево, Сафоново, Гагарин, Десногорск, Дорогобуж, Рудня, Ельня, Сычёвка, Починок, Духовщина, Рассказово, Моршанск, Котовск, Уварово, Кирсанов, Жердевка, Кимры, Конаково, Удомля, Бежецк, Бологое, Нелидово, Осташков, Кашин, Калязин, Торопец, Лихославль, Кувшиново, Старица, Андреаполь, Весьегонск, Белый, Ефремов, Киреевск, Тутаев, Углич, Ростов, Гаврилов-Ям, Данилов, Мышкин, Пошехонье, Вязники, Малоярославец, Жуков, Боровск, Кашира, Шатура	119
0,2‒0,39 / низкий	Новозыбков, Дятьково, Унеча, Стародуб, Жуковка, Карачев, Почеп, Трубчевск, Пучеж, Людиново, Лебедянь, Чаплыгин, Мценск, Болхов, Шацк, Рославль, Демидов, Вышний Волочек, Торжок, Западная Двина, Зубцов, Красный Холм, Гусь-Хрустальный, Суздаль, Руза, Спасск-Рязанский, Узловая, Переславль-Залесский	28
0,4‒0,59 / средний	Можайск, Волоколамск	8
0,6‒0,79 / высокий	Краснознаменск, Шебекино, Алексеевка, Валуйки, Новый Оскол, Грайворон, Короча, Строитель	8
0,8‒1 / сверхвысокий	Черноголовка, Солнечногорск	2

Результаты выборки малых городов по кластеру «Экологические и культурные показатели» в целом за период с 2019 по 2023 г. приведены в таблице 4.

По кластеру «Экологические и культурные показатели» также наблюдается самое большое число малых городов, имеющих сверхнизкий уровень балльной оценки. Так, для решения этой проблемы необходимо сокращать выбросы в окружающую среду и повышать культурный уровень регионов (Антонова, Хусяинова, 2025).

Таблица 4 ‒ Результаты выборки малых городов по кластеру

«Экологические и культурные показатели» – малые города ЦФО, 2019‒2023 гг.

Table 4 ‒ Results of the Sample of Small Cities by the Cluster

“Environmental and Cultural Indicators” ‒ Small Cities of the Central Federal District, 2019‒2023

Значения общего интегрального показателя развития за определенный период времени по кластеру (Ir)	Малый город ЦФО (опорный населенный пункт)	Количество городов
1	2	3
0‒0,19 / сверхнизкий	Строитель, Шебекино, Алексеевка, Новый Оскол, Короча, Дятьково, Стародуб, Мглин, Севск, Злынск, Киржач, Радужный, Юрьев-Польский, Меленки, Камешково, Острогожск, Нововоронеж, Эртиль, Новохопёрск, Фурманов, Родники, Южа, Комсомольск, Заволжск, Юрьевец, Людиново, Сухиничи, Боровск, Таруса, Медынь, Юхнов, Спас-Деменск, Мосальск, Мещовск, Шарья, Волгореченск, Мантурово, Галич, Макарьев, Солигалич, Курчатов, Льгов, Рыльск, Щигры, Обоянь, Дмитриев, Суджа, Фатеж, Грязи, Усмань, Лебедянь, Данков, Чаплыгин, Задонск, Луховицы, Зарайск, Талдом, Ливны, Мценск, Болхов, Дмитровск, Новосиль, Касимов, Скопин, Рыбное, Сасово, Ряжск, Кораблино, Михайлов, Шацк, Спас-Клепики, Десногорск, Рудня, Ельня, Сычёвка, Починок, Демидов, Духовщина, Рассказово, Моршанск, Котовск, Уварово, Кирсанов, Жердевка, Вышний Волочек, Торжок, Кимры, Конаково, Удомля, Бежецк, Бологое, Нелидово, Кашин, Калязин, Лихославль, Кувшиново, Западная Двина, Старица, Андреаполь, Зубцов, Весьегонск, Красный Холм, Белый, Ефремов, Киреевск, Тутаев, Углич, Ростов, Гаврилов-Ям, Данилов, Мышкин, Пошехонье	110

Продолжение таблицы 4

1	2	3
0,2‒0,39 / низкий	Кольчугино, Гороховец, Киров, Козельск, Нерехта, Нея, Чухлома, Кологрив, Малоархангельск, Жуков, Боровск, Кашира, Шатура, Можайск, Волоколамск, Руза, Спасск-Рязанский, Узловая, Переславль-Залесский	19
0,4‒0,59 / средний	Валуйки, Новый Оскол, Грайворон, Новозыбков, Унеча, Жуковка, Сураж, Карачев, Почеп, Трубчевск, Бутурлиновка, Павловск, Бобров, Калач, Поворино, Богучар, Приволжск, Пучеж, Тейково, Кохма, Вичуга, Гаврилов Посад, Рославль, Ярцево, Сафоново, Гагарин, Дорогобуж, Осташков, Торопец, Гусь-Хрустальный, Вязники, Суздаль, Малоярославец, Краснознаменск	34
0,6‒0,79 / высокий	Черноголовка	1
0,8‒1 / сверхвысокий	Солнечногорск	1

В целом результаты исследований по четырем кластерам можно представить визуально в виде карты на рисунке 3.

Согласно данным рисунка 3, высокий и сверхвысокий уровень развития наблюдается у малых городов Московской области, средний уровень развития ‒ у малых городов Белгородской области, низкий уровень развития – у малых городов Брянской, Смоленской, Тульской и Ярославской областях, малые города остальных регионов ЦФО имеют сверхнизкий уровень развития.

В связи с этим балльно-рейтинговая оценка развития малых городов позволяет строить обоснованные сценарии и прогнозировать последствия различных стратегий развития (Простова, Джалилов, 2025).

Тверская область

Костромская область

сверхнизкий: 0–0,19 низкий: 0,2–0,39 средний: 0,4–0,59 высокий: 0,6–0,79 сверхвысокий: 0,8–1,0

Рисунок 3 – Карта развития малых городов по регионам ЦФО за 2019‒2023 гг.

Figure 3 – Map of Small Towns Development by Region in the Central Federal District for 2019‒2023

Так, в рамках реализации Стратегии пространственного развития для малых городов России можно разработать и построить три сценария социально-экономического развития до 2035 г., которые варьируются от консервативного инерционного до амбициозного инновационного подхода, и каждый из них предлагает свой взгляд на будущее малых городов, их возможности и вызовы.

• 1 . Инерционный сценарий: сценарий стагнации, который подразумевает сохранение текущих тенденций при отсутствии системных реформ и проактивной политики развития и предполагает следующие последствия:

• ‒    дальнейший отток молодежи и квалифицированных кадров: без значительных шагов со стороны руководства территорий по улучшению условий для молодежи и обеспечения рабочих мест для квалифицированных специалистов малые города будут продолжать терять свои кадры, что усугубит проблему старения населения;

• ‒    рост безработицы, особенно среди молодежи и в монозависимых отраслях: безработица затронет молодежь, а также жителей тех отраслей, которые являются монозависимыми от одного сектора экономики. Без новых инвестиций и расширения спектра секторов экономики эта проблема будет нарастать и усугубляться;

• ‒    усиление бюджетного дефицита: малые города столкнутся с постоянным сокращением доходной части бюджета, что приведет к дефициту финансовых средств для реализации даже минимально необходимых социально-экономических программ;

• ‒    снижение качества жизни и социальной стабильности: при отсутствии значительных инвестиций в инфраструктуру, здравоохранение, образование и другие ключевые сферы качество жизни горожан будет ухудшаться, что приведет к снижению социальной стабильности территорий;

• ‒    сокращение численности населения на 12–15 % к 2035 г. в дальнейшем приведет к снижению их экономической активности и ухудшению демографической ситуации.

• 2 . Адаптивный сценарий: сценарий стабилизации и постепенного роста, который предполагает принятие выборочных, но стратегически важных мер, направленных на стабилизацию текущей ситуации и создание базовых условий для устойчивого роста. В рамках этого сценария реализуются меры по поддержке отдельных отраслей и территориальных инициатив, а именно:

• ‒    внедрение программ поддержки малого и среднего предпринимательства: создание условий для развития МСП, особенно в таких ключевых отраслях, как агропромышленный комплекс, туризм, информационные технологии и производство, поможет создать рабочие места и увеличить местные доходы;

• ‒    модернизация социальной и коммунальной инфраструктуры: обновление и улучшение качества коммунальных услуг, создание новых социальных объектов, таких как спортивные и культурные центры, улучшение транспортной инфраструктуры помогут повысить качество жизни и привлечь дополнительные инвестиции;

• ‒    создание и развитие промышленного парка как ядра экономического роста: открытие новых производственных и бизнес-центров будет способствовать созданию рабочих мест и стимулировать рост экономики за счет новых инвестиций;

• ‒    поддержка молодежных инициатив и «обратной миграции»: внедрение программ, ориентированных на возвращение молодежи в малые города, поможет снизить миграционный отток и активизировать предпринимательскую деятельность.

Этот сценарий является наиболее пессимистичным и может стать реальностью при отсутствии значительных изменений в подходах к развитию территорий, поддержке бизнеса и молодежи.

Результат развития по данному сценарию:

• ‒    снижение миграционного оттока населения, что позволит улучшить условия для жизни и работы, сохранить молодежь в малых городах и привлечь обратно тех, кто ранее покинул эти территории в поисках лучших условий;

• ‒    стабилизация бюджета ‒ рост предпринимательской активности и улучшение инфраструктуры ‒ приведет к увеличению налоговых поступлений и улучшению финансовой ситуации на местах;

• ‒    рост предпринимательской активности на 25 % и укрепление локального делового климата и инвестиционной привлекательности, а именно поддержка МСП и улучшение бизнес-кли-мата, создание новых рабочих мест и привлечение инвестиций сделают малые города более привлекательными для инвесторов и предпринимателей.

• 3 . Инновационный сценарий: сценарий опережающего развития, который направлен на создание экосистемы, ориентированной на высокие технологии, инновации и устойчивое развитие, и предполагает внедрение новых цифровых решений, создание кластеров и использование передовых технологий для достижения быстрого роста и устойчивости в будущем, а именно:

• ‒    внедрение концепции «Умный город»: использование цифровых технологий в управлении городом, ЖКХ, транспорте и обеспечении безопасности позволит существенно повысить эффективность городского управления, улучшить качество жизни и привлечь новых жителей и инвесторов;

• ‒    формирование экотуристического кластера с акцентом на устойчивое развитие и международную привлекательность: малые города с уникальными природными и культурными ресурсами могут стать центрами экотуризма, привлекая как отечественных, так и международных туристов. Развитие устойчивого туризма создаст новые рабочие места и повысит экономическую привлекательность территорий;

• ‒    развитие цифровых платформ в образовании и здравоохранении: малые города смогут преодолеть дефицит высококвалифицированных специалистов, улучшить доступность медицинских и образовательных услуг, а также повысить качество жизни граждан.

Этот сценарий представляет собой оптимистичную, но реалистичную стратегию, ориентированную на постепенное улучшение ситуации и создание устойчивой основы для дальнейшего развития.

Результатом развития по данному сценарию будет являться:

• ‒    рост населения на 8–10 %: создание высокотехнологичной и привлекательной среды для жизни и работы привлечет новых жителей, особенно молодых специалистов и предпринимателей;

• ‒    увеличение налоговых поступлений: привлечение инвестиций в инновационные проекты, экотуризм и высокотехнологичные предприятия приведет к значительному росту налоговых поступлений;

• ‒    формирование позитивного имиджа и превращение малых городов в драйверы регионального развития: внедрение современных технологий и создание успешных инновационных проектов сделают малые города драйверами регионального развития, привлекая внимание и инвестиции со стороны крупных игроков на рынке.

В результате реализации инновационного сценария малые города смогут стать важными центрами экономического роста и социальной стабильности в своих регионах.

Заключение . Сценарное моделирование социально-экономического развития малых городов является эффективным инструментом стратегического управления в условиях неопределенности и ресурсных ограничений, позволяет выявить потенциальные угрозы, определить точки роста и разработать реалистичные управленческие решения.

Для успешной реализации сценарного подхода необходимы: развитие муниципальной аналитики и планирования, институционализация участия граждан и бизнеса, формирование актуальной и качественной базы статистических данных, адаптация существующих моделей к специфике российских малых городов.

Актуализация методических подходов позволила выявить инерционный, драйверный, институциональный и другие способы формирования сценариев развития малых городов.

Сформированный комплекс кластеров и показателей оценки сценарных моделей развития малых городов включает четыре блока параметров: демографические и социальные, экономические и бюджетные, инфраструктурные и пространственные, экологические и культурные индикаторы. Это позволило осуществить выборку малых городов ЦФО по предложенным кластерам и формализовать результаты в виде карты их социально-экономического развития за 2019‒2023 гг.

Конкретизированы меры сценариев дальнейшего развития малых городов по инерционной, адаптивной и инновационной траекториям.

В перспективе целесообразно развивать цифровые платформы для сценарного анализа на уровне муниципалитетов, а также интегрировать результаты моделирования в государственные программы пространственного развития.