Modeling the socio-economic development of Russia using big data and data from field experiments

Cover Page

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The purpose of the article is to study the prospects of socio-economic development of Russia from the point of view of transition to economic autarky. The study includes a cluster analysis of trends and patterns of socio-economic development of Russia, as well as neighboring countries (CIS). As a comparison base, data were used on countries that have passed (South Korea and Japan) or are passing (Iran) through a full-scale experiment of economic autarky with varying degrees of success. Statistically processed big data reflected in the Countries' Prosperity Index (Legatum Prosperity Index) by the end of 2021 were used as the information base of the study. The study also conducted a simulation of the socio-economic development of Russia, taking into account the accumulated potential, based on a taxonomic method related to the group of economic and mathematical methods of decision-making on a set of attributes (Multiple Attribute Decision Making, MADM). The results of the study show that Russia does not have the necessary development potential to switch to successful models of economic autarky, which were implemented in South Korea and Japan at the time. Russia is capable of further implementing an inertial model of socio-economic development, and is also capable of transitioning to an economic autarky of the Iranian type. The same conclusion applies equally to the countries of the near abroad (CIS). The results obtained can be used as an information base for decision-making in the field of public administration and regulation of socio-economic and socio-political processes.

About the authors

Daler Irmatovich Usmanov

Federal government budgetary institution of science Market economy institute of RAS

Moscow, Russia, 117418 47, Nakhimovsky prospect

Mikhail N. Dudin

Market Economy Institute of RAS

Moscow, Russia, 117418 47, Nakhimovsky prospect

References

  1. Ильюхов А. А. (2015). Вынужденная автаркия: исторический опыт // Russian Journal of Economics and Law. № 1 (33). С. 26-31.
  2. Клейнер Г. Б. (2022). Инклюзивный рост в экономике замкнутого цикла // Экономическое возрождение России. №. 3 (73). С. 37-44.
  3. Ларин С. Н., Соколов Н. А. (2021). Анализ влияния санкционных ограничений на экономики Ирана и России // Международный журнал гуманитарных и естественных наук. №. 9-1. С. 157-164.
  4. Мигранян А. А. (2020). Потенциал развития экономического сотрудничества России со странами ЕАЭС и СНГ // Проблемы постсоветского пространства. Т. 7. №. 3. С. 327-346.
  5. Насирбейк А. И. (2019). Этапы развития экономики Ирана // Горизонты экономики. 2019. №. 6. С. 61-66.
  6. Пискун Е. И., Хохлов В. В. (2019). Экономическое развитие регионов Российской Федерации: факторно-кластерный анализ //Экономика региона. Т. 15. №. 2. С. 363-376.
  7. Савинский А. В. (2018). Западные санкции и диверсификация: опыт Ирана // Геополитика и экогеодинамика регионов. Т. 4. №. 3. С. 5-13.
  8. Ситковский А. М. (2021). Моделирование многокритериальной оценки социо-эколого-экономического состояния и динамики территории // Вопросы управления. №. 2 (69). С. 102-119.
  9. Торкановский Е. П. (2020). Автаркия 2.0: глобальная экологическая повестка, пандемия COVID-19 и новая нормальность // Экономические отношения. Т. 10. №. 3. С. 663-682.
  10. Хоминич И. П., Самира А. (2021). Россия и Иран в условиях экономических санкций: антисанкционная политика и экономика сопротивления // Вестник Российского экономического университета им. ГВ Плеханова. Т. 18. №. 2 (116). С. 5-12.
  11. Цветков В. А. (2022). Экономический суверенитет России в условиях новой реальности // Вестник Национального института бизнеса. №. 45. С. 25-30.
  12. Юрченко Т. В. (2019). Кластерный анализ как инструмент территориальных исследований // Научное обозрение: теория и практика. Т. 9. №. 3. С. 385-396.
  13. Abduvaliev M., Bustillo R. (2020). Impact of remittances on economic growth and poverty reduction amongst CIS countries // Post-Communist Economies. Vol. 32. No 4. pp. 525-546.
  14. Bellman R. E., Zadeh L. A. (1970). Decision-making in a fuzzy environment // Management science. Vol. 17. No. 4. pp. B-141-B-164.
  15. Cheba K., Szopik-Depczyńska K. (2017). Multidimensional comparative analysis of the competitive capacity of the European Union countries and geographical regions // Oeconomia Copernicana. Vol. 8. No. 4. pp. 487-504.
  16. Einav L., Levin J. (2014). Economics in the age of big data // Science. Vol. 346. No. 6210. pp. 1243089.
  17. Haerpfer C. et al. (2022). World Values Survey: Round Seven – Country-Pooled Datafile Version 4.0. Madrid, Spain & Vienna, Austria: JD Systems Institute & WVSA Secretariat. 747 p.
  18. Haggard S., Moon C. (2018). The State, Politics, and Economic Development in Postwar South Korea // State and society in contemporary Korea. Cornell University Press. pp. 51-94.
  19. Hellwig Z. (1972). Procedure of evaluating high-level manpower data and typology of countries by means of the taxonomic method // Towards a system of human resources indicators for less developed countries. pp. 115-134.
  20. Hufbauer G. C., Jung E. (2021). Economic sanctions in the twenty-first century // Research Handbook on Economic Sanctions. Edward Elgar Publishing. pp. 26-43.
  21. Lockwood W. W. (2015). Economic development of Japan. Princeton University Press, 2015. 704 p.
  22. Mandelbaum M. (2019). The new containment: handling Russia, China, and Iran // Foreign Aff. Vol. 98. pp. 123.
  23. Tvaronaviciene M., Razminiene K., Piccinetti L. (2015). Approaches towards cluster analysis // Economics & sociology. Vol. 8. No. 1. pp. 19.
  24. Zadeh L. A. (1988). Fuzzy logic // Computer. Vol. 21. No. 4. pp. 83-93.
  25. Zavadskas E. K., Turskis Z., Kildienė S. (2014). State of art surveys of overviews on MCDM/MADM methods // Technological and economic development of economy. Vol. 20. No. 1. pp. 165-179.
  26. Медведев И. В. (2020). Экономико-теоретические проблемы исследования экономических интеграционных процессов на постсоветском пространстве на примере СНГ // Теоретическая экономика. №. 2 (62). С. 60-66.

Copyright (c) 2023 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».