RUDN Journal of EconomicsRUDN Journal of EconomicsВестник Российского университета дружбы народов. Серия: Экономика2313-23292408-8986Peoples’ Friendship University of Russia named after Patrice Lumumba (RUDN University)2130510.22363/2313-2329-2019-27-1-113-121REGIONAL ECONOMYРЕГИОНАЛЬНАЯ ЭКОНОМИКАResearch ArticleThe specificities of the research in the economics’ development of SevastopolОсобенности исследования развития экономики СевастополяPiskunElena I.ПискунЕлена Ивановна

Doctor of Economics, Associate Professor, Рrofessor of the Department of Finance and Credit

доктор экономических наук, доцент, профессор кафедры «Финансы и кредит», Институт финансов, экономики и управления

lenapiskun@mail.ruKhokhlovVladimir V.ХохловВладимир Владимирович

Cand. Sci. (Tech.), Assistant Professor of the Department of Finance and Credit

кандидат технических наук, доцент, доцент кафедры «Финансы и кредит», Институт финансов, экономики и управления

khokhlov_vv57@mail.ruSevastopol State UniversityСевастопольский государственный университет15122019271VOL 27, NO1 (2019)ТОМ 27, №1 (2019)11312119062019Copyright ©; 2019, Piskun E.I., Khokhlov V.V.Copyright ©; 2019, Пискун Е.И., Хохлов В.В.2019Piskun E.I., Khokhlov V.V.Пискун Е.И., Хохлов В.В.http://creativecommons.org/licenses/by/4.0https://journals.rudn.ru/economics/article/view/21305

A comprehensive study of regional processes implies a qualitative analysis of indicators over time, which is necessary not only to identify current trends, but also to make forecasts that are used in the development of regional development strategies and programs. In order to study the development of the city of Sevastopol on the basis of statistical data on the state of the economy in the Ukrainian and Russian periods, as well as determine the possibility of their use for making forecasts, it is necessary to solve the issue of homogeneity of the series of economic indicators. The existing criteria for verifying the homogeneity of data are not applicable to the solution of the issue of compatibility of multidimensional series belonging to different time intervals. The article proposes the use of exploratory factor analysis to solve this problem. However, the lack of statistical data leads to a degeneration of the matrix of pairwise correlations of economic indicators. To obtain estimates of the parameters of the factor model, a generalized inverse matrix is used, which is obtained as a result of a matrix iterative procedure. Exploratory factor models for the Ukrainian and Russian periods of Sevastopol have fundamental differences, and the corresponding multidimensional series cannot be combined for a holistic study of economic processes in the region.

Всестороннее изучение региональных процессов подразумевает качественный анализ показателей в динамике, что необходимо не только для выявления сложившихся тенденций, но и для составления прогнозов, которые используются при разработке стратегий и программ развития регионов. В целях исследования развития Севастополя на основании статистических данных о состоянии экономики в украинский и российский периоды, а также определения возможности их использования для формирования прогнозов, необходимо решить вопрос об однородности рядов экономических показателей. Существующие критерии проверки однородности данных неприменимы к решению вопроса совместимости многомерных рядов, относящихся к разным временным интервалам. В статье предлагается использовать эксплораторный факторный анализ для решения этой проблемы. Однако недостаток статистических данных ведет к вырождению матрицы парных корреляций экономических показателей. Для получения оценок параметров факторной модели используется обобщенная обратная матрица, получаемая в результате матричной итерационной процедуры. Эксплораторные факторные модели для украинского и российского периодов Севастополя имеют принципиальные различия, и соответствующие многомерные ряды не могут быть объединены для целостного исследования экономических процессов в регионе.

city economyregionSevastopoldevelopmentmultidimensional time seriesexploratory factor modelэкономика городарегионСевастопольразвитиемногомерные временные рядыэксплораторная факторная модельThe reported study was funded by RFBR and Government of the Sevastopol according to the research project No. 18-410-920001.Исследование выполнено при финансовой поддержке РФФИ и города Севастополя в рамках научного проекта № 18-410-920001.Argyros I.K. (2008). Convergence and Applications of Newton-type Iterations. Springer Science + Business Media, LLC. doi: 10.1007/978-0-387-72743-12Канторович Л.В. Об одном эффективном методе решения экстремальных задач для квадратичного функционала // Доклад академии наук СССР. 1945. Т. 48. С. 485-487.Courtney M.G.R. (2013). Determining the number of factors to retain in EFA: Using the SPSS R-Menu v2.0 to make more judicious estimations. Practical Assessment, Research and Evaluation, 18(8), 1-14.Ланкастер П. Теория матриц. М.: Наука, 1982. 272 с.Decell Jr. H.P., Kuhng S.W. (1966). An Iterative Method for Computing the Generalized Inverse of a Matrix. NASA Technical Note, NASA - ITN - D-3 464, 16.Хохлов В.В. Кластеризация регионов методами эксплораторного факторного анализа // Экономика и управление: теория и практика. 2018. Т. 4. № 4. Ч. 1. С. 87-94.Fabrigar L.R., Wegener D.T., MacCallum R.C., Strahan E.J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, (4), 272-299.Argyros I.K. Convergence and Applications of Newton-type Iterations. Springer Science + Business Media, LLC, 2008. doi: 10.1007/978-0-387-72743-12Kantorovich L.V. (1945). Ob odnom effektivnom metode reshenija ekstremal’nyh zadach dlja kvadratichnogo funkcionala [On one effective method for solving extremal problems for a quadratic functional]. Doklad akademii nauk SSSR, 48, 485-487. (In Russ.)Courtney M.G.R. Determining the number of factors to retain in EFA: Using the SPSS R-Menu v2.0 to make more judicious estimations // Practical Assessment, Research and Evaluation. 2013. No. 18(8). Pp. 1-14.Khokhlov V.V. (2018). Klasterizacija regionov metodami eksploratornogo faktornogo analiza [Clusterization of regions by the methods of exploratory factor analysis]. Ekonomika i upravlenie: teorija i praktika, 4(4(1)), 87-94. (In Russ.)Decell Jr. H.P., Kuhng S.W. An Iterative Method for Computing the Generalized Inverse of a Matrix // NASA Technical Note, NASA - ITN - D-3 464. 1966. 16 p.Lankaster P. (1982). Teorija matric [Theory of matrices]. Moscow: Nauka Publ., 272. (In Russ.)Fabrigar L.R., Wegener D.T., MacCallum R.C., Strahan E.J. Evaluating the use of exploratory factor analysis in psychological research // Psychological Methods. 1999. No. 4. Рр. 272-299.Ruscio J., Roche B. (2012). Determining the number of factors to retain in an exploratory factor analysis using comparison data of a known factorial structure. Psychological Assessment, 24(2), 282-292. doi: 10.1037/a0025697Ruscio J., Roche B. Determining the number of factors to retain in an exploratory factor analysis using comparison data of a known factorial structure // Psychological Assessment. 2012. No. 24(2). Pp. 282-292. doi: 10.1037/a0025697Spada N. (2017). Form-Focussed Instruction and SLA: a review of classroom and laboratory research. Language Teaching, 30(2), 73-87.Spada N. Form-Focussed Instruction and SLA: a review of classroom and laboratory research // Language Teaching. 2017. No. 30(2). Pp. 73-87.Tabachnick B.G., Fidell L.S. (2015). Principal components and factor analysis. Using multivariate statistics (4th ed). Needham Heights, MA: Allyn & Bacon, 582-633.Tabachnick B.G., Fidell L.S. Principal components and factor analysis // Using multivariate statistics (4th ed). Needham Heights, MA: Allyn & Bacon, 2015. Pp. 582-633.