TY - JOUR

T1 - Кластерный анализ регионов РФ для выявления территорий - драйверов устойчивого развития: налоговая компонента

AU - Вылкова, Елена Сергеевна

AU - Викторова, Наталья Геннадьевна

AU - Наумов, Владимир Николаевич

AU - Покровская, Наталья Владимировна

N1 - Кластерный анализ регионов РФ для выявления территорий - драйверов устойчивого развития: налоговая компонента | Вестн. Том. гос. ун-та. Экономика. 2021. № 53. DOI: 10.17223/19988648/53/11

PY - 2021

Y1 - 2021

N2 - Кластерный анализ регионов РФ для выявления территорий - драйверов устойчивого развития: налоговая компонентаАктуальность кластерного анализа в налоговых цепях обусловливается необходимостью грамотного научно обоснованного определения территорий, являющихся драйверами экономического роста. Произведена группировка российских регионов на кластеры (группы) по совокупности показателей, отражающих налоговую политику на основе официальных статистических данных за 2018 г. с применением программных средств SPSS, Rstudio, Anaconda Navigator. Вследствие аномальности значений пять субъектов Федерации исключены из анализа: Москва, Севастополь, Ингушетия, Ханты-Мансийский и Ямало-Ненецкий АО. В результате анализа выделены три группы (кластера) регионов: 1) наименее функционально пропорциональные (7 регионов); 2) средне функционально пропорциональные (50 регионов); 3) максимально всесторонне успешные (22 региона). Выявлено, что среди регионов третьей группы лидерами по цифровым показателям являются: Тюменская и Мурманская области, Республика Татарстан, Ленинградская область. В развитие проведенного исследования определены следующие перспективные направления: 1) Включение в кластерный анализ не типичных для характеристики налоговой среды показателей, наиболее полно отражающих влияние на нее внешних разноплановых факторов. 2) Экстраполяция результатов на оценку текущего налогового состояния, а также налогового потенциала территорий других государств. 3) Необходимость совершенствования метода кластерного анализа применительно к налогообложению на основе технологии искусственного интеллекта.

AB - Кластерный анализ регионов РФ для выявления территорий - драйверов устойчивого развития: налоговая компонентаАктуальность кластерного анализа в налоговых цепях обусловливается необходимостью грамотного научно обоснованного определения территорий, являющихся драйверами экономического роста. Произведена группировка российских регионов на кластеры (группы) по совокупности показателей, отражающих налоговую политику на основе официальных статистических данных за 2018 г. с применением программных средств SPSS, Rstudio, Anaconda Navigator. Вследствие аномальности значений пять субъектов Федерации исключены из анализа: Москва, Севастополь, Ингушетия, Ханты-Мансийский и Ямало-Ненецкий АО. В результате анализа выделены три группы (кластера) регионов: 1) наименее функционально пропорциональные (7 регионов); 2) средне функционально пропорциональные (50 регионов); 3) максимально всесторонне успешные (22 региона). Выявлено, что среди регионов третьей группы лидерами по цифровым показателям являются: Тюменская и Мурманская области, Республика Татарстан, Ленинградская область. В развитие проведенного исследования определены следующие перспективные направления: 1) Включение в кластерный анализ не типичных для характеристики налоговой среды показателей, наиболее полно отражающих влияние на нее внешних разноплановых факторов. 2) Экстраполяция результатов на оценку текущего налогового состояния, а также налогового потенциала территорий других государств. 3) Необходимость совершенствования метода кластерного анализа применительно к налогообложению на основе технологии искусственного интеллекта.

UR - http://journals.tsu.ru/economy/&journal_page=archive&id=2084&article_id=46942

M3 - статья

SP - 138

EP - 157

JO - ВЕСТНИК ТОМСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА. ЭКОНОМИКА

JF - ВЕСТНИК ТОМСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА. ЭКОНОМИКА

SN - 1998-8648

IS - 53

ER -