Применение многопараметрических методов машинного обучения для отбора значимых количественных характеристик предприятий в регионах Российской Федерации при анализе дотационности / А. В. Кузнецова, Л. Р. Борисова

Abstract

Представлен оригинальный метод поиска связи финансово-экономических показателей с дотационностью регионов Российской Федерации. Как наиболее значимые с точки зрения потребностей регионов в дотациях параметры рассмотрены данные по предприятиям и организациям, а также касающиеся основных фондов показатели. Выделены две группы регионов: регионы, нуждающиеся в дотациях, и регионы, не нуждающиеся в дотациях. Методами машинного обучения в выделенных группах выявлены различия по отчетным данным предприятий и организаций, а также основным фондам. Наиболее важными показателями за 2020 г., по которым группы отличаются друг от друга, стали число и оборот организаций, сальдированный финансовый результат (разность прибыли и убытка), удельный вес убыточных организаций, кредиторская и дебиторская задолженности организаций, просроченная задолженность по заработной плате в расчете на одного работника, число малых предприятий на 10 000 человек населения и др. Такой подход (классификация методами оптимально достоверных разбиений и статистически взвешенных синдромов) только начинает использоваться в данной области. Найденные закономерности позволят более точно обрисовать паттерн («портрет») каждого региона Российской Федерации и дадут возможность прогнозировать их дотационный статус в будущем. Набор значимых характеристик позволит повысить точность прогноза и разработать план по выходу из группы регионов, нуждающихся в дотациях, в группу регионов, не нуждающихся в дотациях.