Научный журнал ВолНЦ РАН (сетевое издание)
22.11.202411.2024с 01.01.2024
Просмотры
Посетители
* - в среднем в день за текущий месяц
RuEn

рубрика "Экономика территории"

О прогнозировании динамики показателей промышленного производства региона (на материалах Вологодской области)

Соколова О.А., Сидоров М.А.

Том 10, №2, 2022

Соколова О.А., Сидоров М.А. (2022). О прогнозировании динамики показателей промышленного производства региона (на материалах Вологодской области) // Вопросы территориального развития. 2022. Т. 10. № 2. DOI: 10.15838/tdi.2022.2.62.2 URL: http://vtr.isert-ran.ru/article/29482

DOI: 10.15838/tdi.2022.2.62.2

Аннотация   |   Авторы   |   Список литературы
  1. Аитова Ю.С., Орешников В.В. (2017). Использование методов экономико-математического моделирования при разработке прогноза развития муниципального образования // Вестник НГИЭИ. № 10 (77). С. 89–99.
  2. Кашинцев Н.П. (2015). Нейросетевое моделирование регионального развития, как инструмент стратегического управления // Известия вузов. Сер.: Экономика, финансы и управление производством. № 2 (24). С. 141–152.
  3. Кинякин В.Н., Милевская Ю.С. (2014). Некоторые предостережения по проверке качества модели регрессии с помощью коэффициента детерминации // Вестник Московского ун-та МВД России. № 8. С. 200–204.
  4. Клименко А.И., Усенко Л.Н., Холодова М.А. (2022). Прогнозирование продовольственной безопасности региона в контексте экономической доступности продуктов питания // Мелиорация и гидротехника. Т. 12. № 1. С. 264–283. URL: https://doi.org/10.31774/2712-9357-2022-12-1-264-283
  5. Лясковская Е.А. (2022). Экономическая устойчивость организации в цифровой экономике // Вестник Южно-Уральского гос. ун-та. Сер.: Экономика и менеджмент. Т. 16. № 1. С. 87–99. DOI: 10.14529/em220108
  6. Марченко О.В., Бурдакова Г.И. (2019). Проблемы прогнозирования показателей социально-экономического развития муниципального образования // BENEFICIUM. № 3 (32). С. 52–66.
  7. Носков С.И. (2022). Построение кусочно-линейной регрессии с интервальной неопределенностью в данных для зависимой переменной // Вестник кибернетики. № 2 (46). С. 61–65. DOI: 10.34822/1999-7604-2022-2-61-65
  8. Носков С.И., Бычков Ю.А. (2022). Модификация непрерывной формы метода максимальной согласованности при построении линейной регрессии // Известия Тульского гос. ун-та. Технические науки. № 5. С. 88–94.
  9. Орешников В.В., Аитова Ю.С. (2019). Применение методов экономико-математического моделирования при разработке стратегии развития муниципального образования // Вопросы территориального развития. № 3 (48). С. 1–13.
  10. Рыбалкина З.М., Тусков А.А. (2018). Тенденции развития промышленности в РФ // Региональная экономика: теория и практика. Т. 16. № 8. С. 1563–1575. URL: https://doi.org/10.24891/re.16.8.1563
  11. Трусова Н.С. (2013). Прогнозирование инвестиционной активности региона // Социально-экономические явления и процессы. № 12 (058). С. 119–124.
  12. Труфанова Т.В., Нещеменко К.Д. (2019). Способы прогнозирования курса валют на основе моделей экспоненциального сглаживания и Хольта // Вестник АмГУ. № 87. С. 14–17.
  13. Ускова Т.В. [и др.] (2013). Социально-экономические проблемы локальных территорий: монография. Вологда: ИСЭРТ РАН. 196 c.
  14. Халява М.А., Ерыгин Ю.В. (2022). Моделирование влияния параметров кредитно-денежной политики на экономику региона // Социально-экономический и гуманитарный журнал Красноярского ГАУ. № 1. С. 59–72.
  15. Яшин С.Н., Солдатова Ю.С. (2015). Анализ взаимосвязи устойчивости инновационного развития и экономического состояния на предприятиях металлургической отрасли // Вестник Нижегородского ун-та им. Н.И. Лобачевского. Сер.: Социальные науки. № 3 (39). С. 35–41.
  16. Bom P.R.D., Rachinger H. (2019). A kinked meta-regression model for publication bias correction. Res. Synth. Methods., 10 (4), 497‒514.
  17. Growiec J. (2018). Factor-specific technology choice. Journal of Мathematical Economics, 77, 1‒14.
  18. Jadhav V., Reddy B.V. Gaddi G.M. (2017). Application of ARIMA model for forecasting agricultural prices. Journal of Agricultural Science and Technology, 19 (5), 981–992.
  19. Liu S., Papageorgiou L.G. (2019). Optimal antibody purification strategies using data-driven models. Engineering, 5 (6), 1077‒1092.
  20. Mo X., Li H., Zhang L., Qu Z. (2020). A novel air quality evaluation paradigm based on the fuzzy comprehensive theory. Appl. Sci., 10 (23), 8619.
  21. Motorin V.A. (2015). Generalization of initial conditions in benchmarking of economic time-series by additive and proportional denton methods. Iranian Economic Review, 19 (3), 251–264.
  22. Tomal J.H., Ciborowski J.J.H. (2020). Ecological models for estimating breakpoints and prediction intervals. Ecol. Evol., 10 (23), 13500‒13517.

Полная версия статьи