Предметом данного исследования является оценка влияния ограничительных мер на процесс распространения эпидемии, доступность медицинской помощи и экономику регионов.
Цель исследования состоит в разработке соответствующего инструмента на основе методов агент-ориентированного и ситуационного моделирования, а также проведении серии экспериментов для прогнозирования распространения вируса при различных сочетаниях противоэпидемических мер и оценки экономических последствий этих мер.
Разработанная агент-ориентированная модель распространения эпидемий является частью программного комплекса МЕБИУС, в котором воспроизводится население, занятость, производство и сфера услуг, образовательная и бюджетная системы.
Новыми функциями в модели стало распространение и регулирование заболеваемости через различные ограничительные меры и соответствующие изменения в работе организаций и образе жизни (обучении, работе, общении) агентов-жителей. Возможные сочетания карантинных мер были сгруппированы в сценарии отсутствия ограничений, мягких и жестких ограничений, соблюдаемых 40, 80 или 100% жителей. При отсутствии ограничений число заболевших достигает 22 миллионов, из них 876 тысяч смертей. В условиях мягких ограничений число заболевших снижается до 4,5 миллионов; умерших - до 138 тысяч. При полном соблюдении жестких ограничений заболевших менее миллиона, умерших - 26,5 тысячи. В условиях эпидемии даже при отсутствии ограничений в российской экономике наблюдается спад в пределах 2% ВРП. При введении ограничений спад составляет 2,6-4,4% ВРП, заметнее всего в крупных городах (до -5,9% ВРП). Наименьшее влияние вводимые меры имеют на экономику регионов Северо-Кавказского федерального округа. Аналогичные тенденции характерны и для занятости
Идентификаторы и классификаторы
- SCI
- Экономика
Вспышка эпидемии коронавируса в 2020 г. стала шоком для жителей планеты и всей мировой экономики, став беспрецедентной в новейшей истории.
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Агеева А.Ф. Моделирование эпидемии COVID-19 - преимущества агент-ориентированного подхода // Экономические и социальные перемены: факты, тенденции, прогноз. 2020а. Т. 13. № 4. С. 58-73. DOI: 10.15838/esc.2020.4.70.3 EDN: DQCUPT
2. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Хабриев Б.Р., Ильин Н.И. Программно-аналитический комплекс “МЁБИУС” - инструмент планирования, мониторинга и прогнозирования социально-экономической системы России // Искусственные общества. 2020b. T. 15. Вып. 4. DOI: 10.18254/S207751800012303-2 EDN: GACXFV
3. Маматов А.В., Машкова А.Л., Новикова Е.В., Савина О.А. Воспроизведение динамики населения регионов России методом агентного моделирования // Информационные системы и технологии. 2019. № 2 (112). С. 48-55. EDN: PPBHRT
4. Машкова А.Л., Бахтизин А.Р. Анализ отраслевой структуры и динамики товарообмена между Россией, Китаем, США и Европейским союзом в условиях торговых ограничений // Экономические и социальные перемены: факты, тенденции, прогноз. 2023. Т. 16. № 3. С. 54-80. DOI: 10.15838/esc.2023.3.87.3 EDN: BXPECT
5. Минакир П.А. Экономика пандемии: российский путь // Пространственная экономика. 2020. Т. 16. № 2. С. 7-18. DOI: 10.14530/se.2020.2.007-018 EDN: ITNXTN
6. Ответ российского бизнеса на пандемию (Круглый стол в НИУ ВШЭ) // Вопросы экономики. 2022. № 5. С. 147-160. DOI: 10.32609/0042-8736-2022-5-147-160 EDN: RJDLLJ
7. Поспелов Д.А. Ситуационное управление: теория и практика. М.: URSS, 2021. 288 с.
8. Abdollahi E., Haworth-Brockman M., Keynan Y., Langley J.M., Moghadas S.M. Simulating the Effect of School Closure during COVID-19 Outbreaks in Ontario, Canada // BMC Medicine. 2020. Vol. 18. No. 230. DOI: 10.1186/s12916-020-01705-8 EDN: BUJLLO
9. Ale Ebrahim Dehkordi M., Melnyk A., Herder P., Ghorbani A. Examining the Interplay between National Strategies and Value Change in the Battle Against COVID-19: An Agent-Based Modelling Inquiry // Journal of Artificial Societies and Social Simulation. 2024. Vol. 27 (1). 18. DOI: 10.18564/jasss.5283
10. Aleman D.M., Wibisono T.G. A Nonhomogeneous Agent-Based Simulation Approach to Modeling the Spread of Disease in a Pandemic Outbreak // Interfaces. 2011. Vol. 41. No. 3. Pp. 301-315. DOI: 10.1287/inte.1100.0550
11. Aleta A., Martin-Corral D., Pastore Y., Piontti A., Ajelli M., Litvinova M., Chinazzi M., Dean N.E., Halloran M.E., Longini I.M. Jr, Merler S., Pentland A., Vespignani A., Moro E., Moreno Y. Modelling the Impact of Testing, Contact Tracing and Household Quarantine on Second Waves of COVID-19 // Nature Human Behaviour. 2020. Vol. 4. Pp. 964-971. DOI: 10.1038/s41562-020-0931-9 EDN: MQFXMX
12. Anderson R.M., May R.M. Infectious Diseases of Humans: Dynamics and Control. Oxford: Oxford University Press, 1991. 766 p.
13. Bouchnita A., Jebrane A. A Hybrid Multi-Scale Model of COVID-19 Transmission Dyna-mics to Assess the Potential of Non-Pharmaceutical Interventions // Chaos, Solitons & Fractals. 2020. Vol. 138. 109941. DOI: 10.1016/j.chaos.2020.109941 EDN: YSUHUN
14. Braun B., Taraktas B., Beckage B., Molofsky J. Simulating Phase Transitions and Control Measures for Network Epidemics Caused by Infections with Presymptomatic, Asymptomatic, and Symptomatic Stages // PlOS. 2020. Vol. 15 (9). 0238412. DOI: 10.1371/journal.pone.0238412 EDN: HTKMHZ
15. Churches T., Jorm L. Flexible, Freely Available Stochastic Individual Contact Model for Exploring COVID-19 Intervention and Control Strategies: Development and Simulation // JMIR Public Health and Surveillance. 2020. Vol. 6. No. 3. 18965. DOI: 10.2196/18965 EDN: SUNTHJ
16. Currie C.S.M., Fowler J.W., Kotiadis K., Monks T., Onggo B.S., Robertson D.A., Tako A.A. How Simulation Modelling Can Help Reduce the Impact of COVID-19 // Journal of Simulation. 2020. Vol. 14 (2). Pр. 83-97. DOI: 10.1080/17477778.2020.1751570 EDN: UBIRWX
17. De Araujo L.P., Silva E.N., Costa A.L.C., Corsetti P.P., de Almeida L.A. Targeting Conserved Epitopes in Structural Proteins: A Next-Generation Vaccine Strategy Against the Newly Identified HKU5-CoV-2 Virus // Signal Transduction and Targeted Therapy. 2025. Vol. 10. 164. DOI: 10.1038/s41392-025-02257-0 EDN: XUDXFY
18. Epstein J.M., Cummings D., Chakravarty S., Singa R. Toward a Containment Strategy for Smallpox Bioterror: An Individual-Based Computational Approach / Center on Social and Economic Dynamics. Working Paper No. 31. 2002. 24 p. URL: https://www.brookings.edu/wp-content/uploads/2016/06/bioterrorism.pdf (дата обращения: июнь 2025).
19. Firth J.A., Hellewell J., Klepac P., Kissler S., CMMID COVID-19 Working Group, Kuchar-ski A.J., Spurgin L.G. Using a Real-World Network to Model Localized COVID-19 Control Strategies // Nature Medicine. 2020. Vol. 26 (10). Pp. 1616-1622. DOI: 10.1038/s41591-020-1036-8 EDN: QLVNUE
20. Frias-Martinez E., Williamson G., Frias-Martinez V. An Agent-Based Model of Epidemic Spread Using Human Mobility and Social Network Information / IEEE International Conference on Privacy, Security, Risk, and Trust, and IEEE International Conference on Social Computing. 2011. Pp. 57-64. DOI: 10.1109/PASSAT/SocialCom.2011.142
21. Hunter E., Namee B.M., Kelleher J.A. A Taxonomy for Agent-Based Models in Human Infectious Disease Epidemiology // Journal of Artificial Societies and Social Simulation. 2017. Vol. 20 (3). 2. DOI: 10.18564/jasss.3414
22. Kruelen K., Bruin B., Ghorbani A., Mellema R., Kammler C., Vanhee L. Dignum V., Dig-num F. How Culture Influences the Management of a Pandemic: A Simulation of the COVID-19 Crisis // Journal of Artificial Societies and Social Simulation. 2022. Vol. 25 (3). 6. DOI: 10.18564/jasss.4877
23. Lee B.Y., Brown S.T., Cooley P., Potter M.A., Wheaton W.D., Voorhees R.E., Stebbins S., Grefenstette J.J., Zimmer S.M., Zimmerman R., Assi T.-M., Bailey R.R., Wagener D.K., Burke D.S. Simulating School Closure Strategies to Mitigate an Influenza Epidemic // Journal of Public Health Management and Practice. 2008. Vol. 16 (3). Pp. 252-261. DOI: 10.1097/PHH.0b013e3181ce594e
24. Li T., Jager W. How Availability Heuristic, Confirmation Bias and Fear May Drive Societal Polarisation: An Opinion Dynamics Simulation of the Case of COVID-19 Vaccination Journal of Artificial Societies and Social Simulation. 2023. Vol. 26 (4). 2. DOI: 10.18564/jasss.5135
25. Lorig F., Johansson E., Davidsson P. Agent-Based Social Simulation of the COVID-19 Pandemic: A Systematic Review // Journal of Artificial Societies and Social Simulation. 2021. Vol. 24 (3). 5. DOI: 10.18564/jasss.4601
26. Mashkova A.L., Nevolin I.V., Savina O.A., Burilina M.A., Mashkov E.A. Generating Social Environment for Agent-Based Models of Computational Economy // Communications in Computer and Information Science. 2020. Vol. 1349. Pp. 291-305. DOI: 10.1007/978-3-030-67238-6_21 EDN: JKDVZR
27. Mashkova A.L., Novikova E.V., Savina O.A., Mamatov A.V., Mashkov E.A. Simulating Budget System in the Agent Model of the Russian Federation Spatial Development // Communications in Computer and Information Science. 2020b. Vol. 1135. Pp. 17-31. DOI: 10.1007/978-3-030-39296-3_2 EDN: JLINYE
28. Merler S., Ajelli M., Fumanelli L., Gomes M.F.C., Piontti A.P., Rossi L., Chao D.L., Jr I.M.L., Halloran M.E., Vespignani A. Spatiotemporal Spread of the 2014 Outbreak of Ebola Virus Disease in Liberia and the Effectiveness of Non-Pharmaceutical Interventions: A Computational Modelling Analysis // The Lancet Infectious Diseases. 2015. Vol. 15. Issue 2. Pp. 204-211. DOI: 10.1016/S1473-3099(14)71074-6
29. Parker J., Epstein J.M. A Distributed Platform for Global-Scale Agent-Based Models of Disease Transmission // ACM Transactions on Modeling and Computer Simulation. 2011. Vol. 22. Issue 1. Pp. 1-25. DOI: 10.1145/2043635.2043637
30. Wildman W., Hodulik G., Shults F.L. The Role of Values in Pandemic Management: An Agent-Based Model // Journal of Artificial Societies and Social Simulation. 2024. Vol. 27 (1). 19. DOI: 10.18564/jasss.5350
31. Zhang Z., Jalali M.S., Ghaffarzadegan N. Behavioral Dynamics of Epidemic Trajectories and Vaccination Strategies: A Simulation-Based Analysis // Journal of Artificial Societies and Social Simulation. 2025. Vol. 28 (1). 3. DOI: 10.18564/jasss.5583
Выпуск
Другие статьи выпуска
В статье описывается VIII Международный симпозиум по региональной экономике (REC-2025) «Стратегии пространственного развития: вызовы и перспективы».
В статье описывается конференция исследовательской сети Расширенной Туманганской инициативы.
В статье описывается X Восточный экономический форум.
Быстрое социальное, экономическое и демографическое развитие Африки в начале XXI в. значительно усиливает позиции макрорегиона в международной торговле. Одновременно с этим транспортная инфраструктура континента в постколониальный период естественным образом идет по пути трансформации. В частности, наблюдается серьезное развитие автодорожных систем.
Данные процессы приводят к расширению импорта наземных транспортных средств в странах Африки, который достиг 60 млрд долл. США в 2023 г., а конкуренция мировых держав на этом развивающемся рынке возрастает. В статье на базе международной статистики (в том числе африканской) представлена оценка уровня развития континентальной автодорожной инфраструктуры, а также определены объем и структура импорта автодорожных транспортных средств с распределением по основным поставщикам и потребителям данной продукции.
Исследование позволило определить потенциал Африканского макрорегиона с точки зрения реализации продукции российских предприятий транспортного машиностроения.
Сделан вывод о том, что отечественные производители могут рассматривать как крупные рынки Нигерии, Южно-Африканской Республики (ЮАР), Египта, Алжира, Марокко, так и страны, которые имеют серьезный дефицит наземных автодорожных транспортных средств и нуждаются в развитии импорта соответствующей продукции - Судан, Сомали, Эфиопия, Ангола, ДРК, Бенин, Камерун, Мали, Танзания. Поставщикам необходимо учитывать различия в культурной и потребительской специфике, а также правильно оценивать экономическую ситуацию, конкурентность рынка и соответствующие риски. Различия как целых субрегионов, так и отдельных стран Африканского континента по данным критериям крайне велики.
Исследование структурно-динамических характеристик промышленного комплекса ДФО в 2019-2023 гг. (с позиций его разделения на добывающий и обрабатывающий сектора) выявило их определенное противоречие. Так, в отдельных регионах отмечено существенное снижение доли добывающего сектора при сопоставимом росте обрабатывающего в структуре производства (по объему отгруженной продукции). При этом ряд других характеристик добывающего сектора промышленности (доля в ВДС регионов, позитивная динамика инвестиционных процессов и натуральных показателей производства) указывают на продолжающийся рост его значения в экономике Дальневосточного макрорегиона.
Проведенное детальное исследование территориально-отраслевых характеристик и динамики прогрессивности структуры обрабатывающего сектора показало, что его рост в общей структуре промышленности ДФО является формальным. Содержательно он по-прежнему отражает возрастающий вклад добывающего сектора в экономику макрорегиона, но с внутриотраслевой модернизацией в золотодобывающей отрасли, преобладающей в его структуре. Это, безусловно, позитивный тренд, но формирующийся пока «внутри» сырьевой отрасли и очень ограниченно влияющий на процессы структурной модернизации регионального промышленного комплекса в целом.
Выявленные особенности промышленной структуры в ДФО являются, на наш взгляд, проявлениями типа экономики (в данном случае экономики сырьевой специализации) и подтверждаются данными других российских регионов.
Статья предлагает аналитическую модель оценки архитектурной субъектности стран в глобальной инфраструктуре искусственного интеллекта (ИИ). В центре внимания - институционально воспроизводимые механизмы, позволяющие странам с ограниченными технологическими ресурсами выстраивать позицию в распределенной инфраструктуре ИИ. В отличие от подходов, фокусирующихся на достижении технологического суверенитета, в настоящей работе ИИ рассматривается как многоуровневая инфраструктура, не сводимая к контролю над отдельными компонентами, а формируемая через институциональные режимы сопряжения и воспроизводства.
На основе архитектурного подхода предложена модель, выделяющая шесть слоев инфраструктуры ИИ (аппаратный, вычислительный, данные, модели и алгоритмы, компетенции и кадры, нормативно-дипломатический) и три критерия субъектности (тип доступа, воспроизводимость, институциональный тип оператора). В качестве методов использованы пространственный и институциональный анализ, сопоставление политических стратегий и инфраструктурных практик.
На примере Индии показано, как страна без контроля над ключевыми технологическими узлами выстраивает институциональные формы включения в глобальную ИИ-инфраструктуру. Предложенная модель применима для анализа страновых траекторий развития ИИ и их сравнения.
Основные мероприятия в рамках реформы рынка электроэнергии в России были выполнены к 2011 г., однако процесс либерализации и настройки рынка продолжается. Часть регионов страны осталась вне институциональных изменений, так как там не было создано условий для конкуренции (неценовые зоны и изолированные энергосистемы). С 1 января 2025 г. институциональные изменения рынка электроэнергии затронули ранее являвшиеся неценовыми зонами семь субъектов РФ (Республика Коми, Архангельская область, Республика Саха (Якутия), Приморский край, Хабаровский край, Амурская область, Еврейская автономная область (ЕАО)), пять из которых расположены на Дальнем Востоке и входят в зону обслуживания ОЭС Востока. Соответственно актуальным является исследование последствий расширения второй ценовой зоны (зона Сибири и Востока), в которую входят регионы обслуживания ОЭС Сибири и ОЭС Востока. Отдельный интерес представляют теоретические модели организации рынка электроэнергии, среди которых выделены четыре модели рынка: регулируемая монополия (модель I), монопсония (единственный покупатель) (модель II), конкуренция на оптовом рынке (модель III), конкуренция на оптовом и розничном рынках (модель IV). С позиций экономической теории оптимальной является модель IV, однако зарубежный опыт свидетельствует о том, что ее внедрение приводит к неоднозначным результатам, которые определяются институциональными условиями в стране. В России стремятся к модели конкуренции на оптовом и розничном рынках (модель IV), однако пока существует гибридная модель с преобладанием на розничных рынках модели регулируемой монополии (модель III). Последствия расширения второй ценовой зоны (зона Сибири и Востока) анализируются с позиций изменения условий конкуренции производителей и цен для потребителей. Сравнительный анализ сегментов второй ценовой зоны (зона Сибири и Востока) показал, что рынок электроэнергии является высококонцентрированным, данная ситуация, вероятно, сохранится в среднесрочной перспективе; производители из ОЭС Востока проигрывают в конкуренции по цене производителям из ОЭС Сибири.
АТР является крупнейшей субглобальной экономикой, обеспечивая большую долю мирового товарооборота и обмена прямыми инвестициями при доминанте внутрирегиональных экономических взаимодействий. Расширение обмена товарами и инвестициями в АТР затруднялось санкциями, число которых за последнее десятилетие заметно увеличилось.
Цель исследования - оценка долгосрочных накопленных эффектов санкций на торговые и инвестиционные взаимодействия между странами АТР в 1992-2023 гг. В исследовании рассмотрены торговые санкции, финансовые санкции, санкции на поездки, санкции на поставки оружия, санкции на оказание военной помощи и прочие санкции, отраженные в Global Sanctions Data Base (GSDB).
На основе полученных оценок обнаружено, что санкции в целом сдерживали обмен товарами (на 31,5%) и капиталом (на 34,3%) между странами АТР. Негативный эффект конкретных видов санкций, которые имели геополитическую направленность, являлся самым весомым для снижения торговли между противостоящими друг другу странами: прочие санкции - на 77,2%, санкции на поставки оружия - на 50,9%, санкции на оказание военной помощи - на 46,4%. В среднем за период торговые санкции сдерживали товарообмен на 28,4%, а влияние остальных видов санкций на торговлю в АТР было статистически незначимым. Негативное воздействие на приток прямых иностранных инвестиций (ПИИ) оказывали следующие виды санкций: на поездки - на 91,6%, прочие - на 83,9%, финансовые - на 54,5%. Остальные санкции не оказывали значимого воздействия на приток капитала в АТР. Расчеты показали, что эффект глобализации в целом нивелировал влияние санкций на торговлю между странами АТР, но зависел от конкретного вида данных ограничений. В свою очередь, эффект глобализации не оказывал существенного воздействия на ослабление негативного влияния санкций на приток ПИИ в страны АТР. Данное обстоятельство указывает на то, что, в отличие от торговли, приток ПИИ в страны АТР являлся гораздо более уязвимым к санкциям. Это существенно сужает для подсанкционных стран возможности привлечения прямого капитала, который может быть замещен ответственными инвестициями за счет чистого экспорта.
Статистика статьи
Статистика просмотров за 2026 год.
Издательство
- Издательство
- ИЭИ ДВО РАН
- Регион
- Россия, Хабаровск
- Почтовый адрес
- 680042, г. Хабаровск, ул. Тихоокеанская, 153.
- Юр. адрес
- 680042, г. Хабаровск, ул. Тихоокеанская, 153.
- ФИО
- Исаев Артём Геннадьевич (Директор)
- E-mail адрес
- st@ecrin.ru
- Контактный телефон
- +7 (421) 2725225
- Сайт
- http:/www.ecrin.ru