Статья посвящена анализу факторов, обуславливающих низкие доходы домохозяйств и усиливающих риски их бедности. Эти факторы должны лежать в основе доходных и имущественных критериев оценки нуждаемости при социальной поддержке. Для исследования использованы данные проведенного авторами репрезентативного выборочного обследования домохозяйств Ленинградской области. Результаты регрессионного анализа позволили подтвердить, что такие факторы, как наличие в домохозяйстве детей, особенно двух и более, а также детей до 7 лет, отсутствие трудовых доходов у членов домохозяйства и проживание в сельской местности, увеличивают шансы попадания в группу домохозяйств с низкими среднедушевыми доходами. Вероятность домохозяйства быть малообеспеченным существенно возрастает при наличии в его составе обучающегося в организации среднего профессионального образования и неполной семьи с детьми. Авторы доказывают, что для превентивного снижения риска бедности при оценке нуждаемости необходимо использовать дифференцированный подход к определению черты нуждаемости для различных социально-демографических групп и учитывать, к какой доходной группе относится домохозяйство, на что, в свою очередь, влияют не только состав домохозяйства и количество детей в нем, но и возраст этих детей. Результаты также свидетельствует о том, что требования к имущественной обеспеченности получателей социальной поддержки должны учитывать как наличие и количество объектов имущества, так и его стоимость. В этом случае такие требования могут служить надежным критерием для оценки нуждаемости семьи в социальной поддержке.

В статье исследуется влияние контрсанкций на благосостояние населения России. С этой целью разработана и применена многоэтапная методология эконометрического анализа, учитывающая объективную сложность получения количественных оценок влияния контрсанкционных действий. На основе данных 23-й волны Российского мониторинга экономического положения и здоровья населения выделяются три группы населения по уровню благосостояния: высокий, средний и низкий уровни обеспеченности. Оценка модели множественного выбора на данных по сделанной кластеризации позволяет получить представление о зависимости вероятности нахождения населения в той или иной группе благосостояния от уровня потребительских расходов на контрсанкционные товары. На основе этих данных рассчитываются потери покупательной способности (изменение реальных потребительских расходов), которые испытали все группы в результате введения контрсанкций. Для определения этих потерь рассчитываются оценки эластичностей внутреннего производства основных продуктов питания на основе структурной формы уравнений спрос — предложение и вклад продовольственного эмбарго в рост потребительских цен в 2014 году по ряду продуктов питания. Обнаружено, что продовольственное эмбарго дополнительно ускоряло рост цен на отдельные группы товаров на 1,5–22 п.п. Объединение оценок потери покупательной способности с оценками модели множественного выбора позволяет определить уровень снижения благосостояния населения. Контрсанкционные действия России привели к расширению группы с низким уровнем обеспеченности на 1,52%, или на 2,223 млн чел. При этом снижение благосостояния происходит за счет сокращения группы со средним уровнем обеспеченности на 1,16%, группа с высоким уровнем обеспеченности сокращается незначительно — на 0,36%.

The paper compares the economic effects of a national carbon tax with those of an emission trading system (ETS) between EAEU and BRICS countries over the medium term. Also included are Uzbekistan, which has observer status in the EAEU, and Turkmenistan, which is an EAEU trade and economic partner. The static computable general equilibrium model GTAP-E is employed. Targets for reducing emissions are formulated on the basis of the countries’ intermediate goals as stated in their respective submissions under the Paris Agreement. The resulting simulations show that, in terms of real GDP, an emission trading scheme would be more favorable than national taxation for countries such as Brazil, India, Russia, Armenia, Belarus, Kazakhstan, and Kyrgyzstan. However, for China, South Africa, Uzbekistan and Turkmenistan, resorting to an ETS would produce a comparatively greater reduction in GDP. Because the second group of countries has lower abatement costs than the equilibrium carbon price under an ETS, that scenario would permit those countries to reduce emissions by a greater amount and sell emission allowances. The analysis also shows which sectors would increase production after carbon regulation. A considerable increase in production and exports would occur for chemicals and for ferrous and nonferrous metals in several BRICS and EAEU countries. Although those industries are energy-intensive, the countries concerned could decrease emissions by reducing production in the energy or other sectors. These industries could benefit from potential joint comparative advantages in the context of declining demand for traditional energy sources. These findings should be valuable in devising integration policy. 

Цель статьи — конкретизация механизмов управления зависимостью между двумя процессами: с одной стороны, формированием сектора информационно-коммуникационных технологий (далее — ИКТ), с другой — его развитием и последующим результирующим влиянием на динамику объемов производства национальной и региональной экономик на основе эконометрического анализа и предложенной теоретической модели. Методика исследования базируется на гипотезе о разноуровневом влиянии сектора ИКТ (уровня формирования и масштабности внедрения ИКТ в деятельность хозяйствующих субъектов) на национальную экономику. Предлагаемая методика основана на проведении статистического и регрессионного анализов панельных данных с применением метода главных компонент отдельно для переменных двух групп — формирующих и характеризующих ИКТ, а также на построении моделей трех видов: объединенной, с фиксированными эффектами и со случайными эффектами. Для исследования использованы данные статистического ежегодника «Регионы России: Социально-экономические показатели» за 2014–2021 годы по 80 субъектам РФ. С помощью добавления в модель контрольных переменных проверены утверждения о влиянии показателей, напрямую не связанных с цифровым сектором, на динамику развития экономики. По результатам исследования совокупный эффект от увеличения на единицу каждой из описывающих формирующие ИКТ-индикаторы (за счет развития соответствующих составляющих) компонент выше, чем компонент, характеризующих ИКТ-индикаторы, и выражается в увеличении ВРП на душу населения на 7,96%. По итогам построения моделей также прослеживается положительное влияние на показатель ВРП на душу населения ряда факторов, связанных с трудовыми ресурсами и капиталом. В качестве преимуществ предложенной методики анализа необходимо выделить возможности расширения спектра объясняющих переменных и изменения эндогенной переменной в соответствии с поставленными целями. Предложенная в работе группировка индикаторов развития сектора ИКТ на формирующие и характеризующие станет основой дальнейших теоретико-методологических обоснований, методического обеспечения оценки влияния ИКТ на экономическое развитие, а также управленческих аспектов исследования.