Применение кластерного анализа в оценке экономической безопасности

Автор: Петров Ф.В.

Журнал: Экономика и бизнес: теория и практика @economyandbusiness

Статья в выпуске: 8 (54), 2019 года.

Бесплатный доступ

Значительное расширение теневой экономики говорит о необходимости подготовки более результативных действий по борьбе с ней. Ключом к достижению эффективного результата является объективная оценка текущего состояния экономической безопасности. На сегодняшний день не существует стандартных, универсальных подходов, которые могли бы обеспечить успех подобного расчета в любой экономике. В статье рассматривается применение метода кластерного анализа для определения размера теневой экономики в ВВП России в сравнении с за рубежными странами.

Экономическая безопасность, состояние экономической безопасности, оценка экономической безопасности, теневая экономика, кластерный анализ

Короткий адрес: https://sciup.org/170181882

IDR: 170181882   |   DOI: 10.24411/2411-0450-2019-11127

Текст научной статьи Применение кластерного анализа в оценке экономической безопасности

На сегодняшний день проблема распространения теневой экономики является особенно актуальной для развивающихся стран, в т.ч. и для России. Реализация угрозы экономической безопасности, связанной с расширением теневой экономики, вызывает взаимосвязанные деструктивные последствия для социальноэкономической и финансовой сферы [1].

В системе мер противодействия этому явлению принципиальное значение имеет этап оценки состояния экономической безопасности. Для определения влияния размера теневой экономики на экономическое развитие государства предлагается рассмотреть показатели сорока стран, принадлежащих различным уровням развитости экономик, за 2017 год. Для решения этой задачи наиболее подходящими являются методы кластерного анализа.

Кластерный анализ как совокупность математических методов широко применяется во многих экономических исследованиях. Суть его заключается в классификации объектов исследования по определенным признакам на основе вычисления расстояния до «центров» кластеров, представляющих собой средние значения внутри соответствующих групп.

Целью кластерного анализа является разбиение совокупности стран на группы по двум показателям. В результате будут получены группы стран, характеризующиеся экономической развитостью относительно доли теневой экономики.

В качестве критерия оценки обозначим переход России из одной группы стран по доле теневой экономики в ВВП в другую, с более низкими и более высокими значениями соответственно. Для расчета значения, определяющего принадлежность страны к той или иной группе, применим метод кластерного анализа.

Для определения места России среди рассматриваемого перечня стран по показателю доли теневой экономики в ВВП воспользуемся статистическим пакетом анализа SPSS.

Информационной базой исследования послужили данные Международного валютного фонда (IMF) [2] и данные Всемирного банка (World Bank) [3].

При помощи кластерного анализа, произведенного иерархическим способом по методу Уорда по двум показателям – доли теневой экономики в ВВП и ВВП на душу населения по паритету покупательной способности получили три групп стран, которые представлены в таблице 1.

Таблица 1. Распределение стран по кластерным группам

Номер кластера

Количество стран

Название страны

Кластер №1

12

Аргентина, Хорватия, Эстония, Венгрия, Мексика, Польша, Турция, Беларусь, Бразилия, Казахстан, Россия, Уругвай.

Кластер №2

16

Бельгия, Греция, Италия, Португалия, Испания, Канада, Дания, Чехия, Финляндия, Исландия, Япония, Новая Зеландия, Швеция, США, Великобритания, Нидерланды

Кластер №3

12

Камерун, Колумбия, Египет, Индия, Армения, ЮАР, Эквадор, Киргизия, Молдова, Таджикистан, Украина, Уганда.

Россия со значением 43,7% попала первую кластерную группу, где среднее значение теневой экономики составляет 34,7%, что говорит об ее относительной отдаленности от центра кластера.

Целевым значением является переход во вторую кластерную группу, к таким странам как Швеция, Великобритания, Дания и др., где доля теневой экономики от ВВП в среднем составляет 18,1%, а ВВП на душу по паритету покупательной способности равен 31563,7 млрд. долларов, что практически в 2 раза выше, чем у стран первой группы.

Средние значения, вокруг которых концентрируются показатели каждой группы и на основе которых образовались кластеры, представлены в таблице 2.

Таблица 2. Значения центров кластерных групп

Номер кластера

ВВП на душу по паритету, млрд. долларов

Теневая экономика, % от ВВП

1

14220,67

34,7

2

31563,7

18,1

3

4845,9

36,6

50,1

40,1

х 2 о

X о ы <ч

Украина Беларусь^ ° Уругвай . о Армения _ Россия

Таджикистан

Уганда                  Казахстан

Молдова   о

Эквадор     Бразилия

Киргизия Колумбия

Камерун Б,ИПеТ О Хорватия ТУРЦИЯ о         Грецид

Мексика О Эстония о ЮАР                   Ит£

Венгрия ПольшаО о О              ОИспани

Индия Аргентина         Португалия

20,1

10,00-

Финляндия здания

Новая Зеландия Канада оИсландия

° О      о

Великобритания Нидерланды

США

О

, 00'

,00                   15000,00                30000,00                45000,00

ВВП на душу по паритету

Рисунок. Кластерные группы стран по уровню теневой экономики

Таким образом, текущее состояние экономической безопасности России сигнализирует об угрозе экономическим интересам в виде сохраняющегося влияния негативных последствий от расширения доли теневой экономики в ВВП, значительно превышающей среднемировые значения. Также состоит отметить существенную отдаленность позиции России по показа- телю доли теневой экономики внутри своей кластерной группы от центра кластера.

В качестве критерия оценки экономической безопасности предложено использовать значения центров кластерных групп как целевые показатели, характеризующие снижение уровня напряженности по данному направлению.

Список литературы Применение кластерного анализа в оценке экономической безопасности

  • «О Стратегии экономической безопасности Российской Федерации на период до 2030 года». [Электронный ресурс]: Указ Президента Российской Федерации от 13 мая 2017 года №208. Доступ из срав. - правовой системы «Гарант.Ру». URL: https://www.garant.ru/products/ipo/prime/doc/71572608
  • Schneider L., Medina L. Shadow economics around the world: what did we learn over the last 20 years? // IMF working paper.
  • GDP per capita, PPP (current international $). [Электронный ресурс]: The World Bank. URL: https://data.worldbank.org/indicator/NY.GDP.PCAP.PP.CD?view=chart
Статья научная