Моделирование демографической ситуации в регионах на основе агентного подхода

Моделируются демографические изменения на региональном уровне с учетом варьирования параметров системы здравоохранения, объективно являющейся значимым фактором как численности работоспособного населения, так и его качественных характеристик. Принимается, что реформирование системы здравоохранения отражает институциональную природу государственного регулирования, а функционально в модели выступает экзогенным шоком. На основе агент-ориентированного подхода разработана модель, состоящая из двух регионов и учитывающая миграцию агентов. Представлены различные сценарии моделирования демографических показателей в зависимости от выбранного режима качества системы здравоохранения, отражающего институциональные особенности региона. Модель рассчитана на основе статистических данных Пермского края и Свердловской области за период 2012—2019 гг. Апробация модели на фактических региональных данных подтвердила ее работоспособность и адекватность. Шоки в системе здравоохранения связаны с соответствующими расходами бюджетов субъектов Российской Федерации в рамках бюджетного ограничения сектора регионального правительства и оказывают воздействие на динамику миграции на региональных рынках труда, а также на моделируемые показатели здравоохранения. Результаты моделирования подтверждают действенность представленного методологического подхода, который может быть использован при разработке стратегий регионального развития, а также планировании и оценке последствий государственных реформ в области социальной политики.

1. Абдулманапов П. Г. (2019). Факторы и последствия международной миграции населения // УЭПС: управление, экономика, политика, социология. № 1. С. 51—57.

2. Абылкаликов С. И. (2015). Миграционная активность и приживаемость населения регионов России // Региональные исследования. № 3. С. 65—73.

3. Акопов А. С., Бекларян Г. Л. (2020). К вопросу о разработке агент-ориентированных моделей для перехода к цифровой экономике // Вестник ЦЭМИ. Т. 3, № 2. https://doi.org/10.33276/S265838870011661-0

4. Акопов А. С., Бекларян Г. Л. (2022). Разработка мультисекторной модели ограниченного соседства с межотраслевыми товарно-денежными взаимодействиями // Искусственные общества. Т. 17, № 2. С. 7—14. https://doi.org/10.18254/S207751800020178-4

5. Андронов С. А. (2019). Сравнение эффективности адаптивных алгоритмов светофорного регулирования в среде AnyLogic // Программные продукты и системы. № 1. С. 150—158. https://doi.org/10.15827/0236235X.125.150-158

6. Бахтизин А. Р. (2008). Агент-ориентированные модели экономики. М.: Экономика.

7. Бахтизин А. Р., Макаров В. Л., Сушко Е. Д., Максаков А. А. (2021). Демографическая агент-ориентированная модель России и оценка ее применимости для решения практических управленческих задач // Искусственные общества. Т. 16, № 2. С. 1—12. https://doi.org/10.18254/S207751800015357-1

8. Будилов А. П. (2020). Факторы внутренней миграции в России // Вестник ЮжноУральского государственного университета. Серия: Экономика и менеджмент. Т. 14, № 2. С. 187—190. https://doi.org/10.14529/em200219

9. Васильева С. В., Шапошникова Т. Н. (2015). Оценка факторов, влияющих на заболеваемость работников вредных производств в условиях нефтехимического завода // Вестник МНЭПУ. № 1. С. 19—24.

10. Воронцовский А. В., Дмитриев А. Л. (2014). Моделирование экономического роста с учетом неопределенности макроэкономических факторов: исторический обзор, проблемы и перспективы развития // Вестник Санкт-Петербургского университета. Экономика. № 2. С. 5—31.

11. Дубровская Ю. В. (2023). Детерминанты продолжительности жизни населения в гетерогенных субъектах РФ // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 16, № 1. С. 139—163. https://doi.org/10.15838/esc.2023.1.85.8

12. Евдокимов Д. С., Катасонова К. А., Краснова Е. С. (2022). Прототип имитационной модели социо-эпидемиолого-экономических последствий на примере субъектов Российской Федерации // Искусственные общества. T. 17, № 4. https://doi.org/10.18254/S207751800023683-0

13. Зулькарнай И. У. (2017). Научные основания размещения системообразующих вузов по территории страны // Доклады Башкирского университета. Т. 2, № 5. С. 741—745.

14. Иванова Е. И. (2017). Миграционные намерения современных поколений россиян : новая волна миграции // Проблемы прогнозирования. № 3. С. 106—118.

15. Карпенко А. А. (2021). Имитационное моделирование эксплуатации морских транспортных средств с учетом ветро-волнового режима // Морские интеллектуальные технологии. № 2-1. С. 191—199. https://doi.org/10.37220/MIT.2021.52.2.027

16. Каталевский Д. Ю., Гареев Т. Р. (2020). Имитационное моделирование для прогнозирования развития автомобильного электротранспорта на уровне региона // Балтийский регион. Т. 12, № 2. С. 118—139. https://doi.org/10.5922/2079-8555-2020-2-8

17. Кислицын Е. В., Городничев В. В. (2021). Имитационное моделирование развития отдельных отраслей тяжелой промышленности // Бизнес-информатика. Т. 15, № 1. С. 59—77. https://doi.org/10.17323/2587-814X.2021.1.59.77

18. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д. (2014). Моделирование демографических процессов с использованием агент-ориентированного подхода // Федерализм. № 4. С. 37—46.

19. Макаров В. Л., Бахтизин А. Р., Бекларян Г. Л., Акопов А. С., Ровенская Е. А., Стрелковский Н. В. (2022a). Агентное моделирование социально-экономических последствий миграции при государственном регулировании занятости // Экономика и математические методы. Т. 58, № 1. С. 113—130. https://doi.org/10.31857/S042473880018960-5

20. Макаров В. Л., Бахтизин А. Р., Бекларян Г. Л., Акопов А. С., Стрелковский Н. В. (2022b). Моделирование миграционных и демографических процессов с использованием FLAME GPU // Бизнес-информатика. Т. 16, № 1. С. 7—21. https://doi.org/10.17323/2587-814X.2022.1.7.21

21. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д., Сушко Г. Б. (2019). Агент-ориентированная суперкомпьютерная демографическая модель России: анализ апробации // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 12, № 6. С. 74—90. https://doi.org/10.15838/esc.2019.6.66.4

22. Машкова А. Л., Дукхи Н., Каур Р., Неволин И. В. (2022). Прогнозирование динамики распространения анемии в регионах России на базе агент-ориентированной модели // Экономика и математические методы. Т. 58, № 2. С. 64—79. https://doi.org/10.31857/S042473880018351-5

23. Мкртчян Н. В., Флоринская Ю. Ф. (2019). Жители малых и средних городов России: трудовая миграция как альтернатива безвозвратному отъезду // Журнал Новой экономической ассоциации. № 3. С. 78—94. https://doi.org/10.31737/2221-2264-2019-43-3-4

24. Петров М. Б., Серков Л. А., Кожов К. Б. (2021). Имитационная модель обоснования приоритетов развития железнодорожных связей между Уралом и Западной Сибирью // Вестник Уральского государственного университета путей сообщения. № 4. С. 50—58. https://doi.org/10.20291/2079-0392-2021-4-50-58

25. Прилипко Н. С., Бантьева М. Н., Руголь Л. В. (2013). Анализ повозрастной заболеваемости взрослого населения России как этап определения его нуждаемости в медицинской реабилитации // Вестник восстановительной медицины. № 2. С. 2—9.

26. Рамазанов Р. Р. (2020). Агент-ориентированное моделирование как инструмент анализа реформ науки и образования в России // Искусственные общества. Т. 15, № 3. https://doi.org/10.18254/S207751800010398-6

27. Рамазанов Р. Р. (2021). Агентное моделирование в исследовании и прогнозировании социально-экономических систем и процессов // Экономика и математические методы. Т. 57, № 1. С. 19—32. https://doi.org/10.31857/S042473880010550-4

28. Рахмангулов А. Н., Муравьев Д. С. (2016). Развитие морской портовой инфраструктуры региона на основе «сухих портов» // Экономика региона. Т. 12, № 3. С. 924—936. https://doi.org/10.17059/2016-3-26

29. Саландаева Д. С. (2021). Оценка пространственных факторов региональной миграции // Инновационное развитие экономики: тенденции и перспективы: Материалы II Всерос. молодежной науч.-практ. конф. Пермь: Изд-во ПНИПУ. С. 11—19. Самсонова Н. А. (2018). Особенности применения агент-ориентированного подхода при моделировании демографических процессов // Искусственные общества. Т. 13, № 3. https://doi.org/10.18254/S0000120-1-1

30. Сорокин Г. А., Суслов В. Л. (2011). Возрастная и стажевая динамика о

31. бщей заболеваемости работников судостроительного предприятия // Профилактическая и клиническая медицина. № 4. С. 28—33.

32. Страшникова Т. Н. (2014). Анализ заболеваемости с временной утратой трудоспособности работников основных профессиональных групп горнорудного предприятия // Современные проблемы науки и образования. № 1. С. 182—185.

33. Суслов В. И., Новикова Т. С., Цыплаков А. А. (2016). Моделирование роли государства в пространственной агент-ориентированной модели // Экономика региона. Т. 12, № 3. С. 951—965. https://doi.org/10.17059/2016-3-28

34. Сушко Е. Д. (2012). Мультиагентная модель региона: концепция, конструкция и реализация (Препринт № WP/2012/292). М.: ЦЭМИ РАН.

35. Хачатрян Н. К., Акиншин А. А., Кузнецова О. И. (2020). Имитационная модель российского общества. Создание и анализ виртуальной популяции // Искусственные общества. Т. 15, № 4. https://doi.org/10.18254/S207751800012620-1

36. Чертов О. Г., Морозова Г. Ф., Борзунова Т. И. (2020). Влияние экологических факторов на миграцию населения в России // Вестник Алтайской академии экономики и права. № 11. С. 560—567. https://doi.org/10.17513/vaael.1463

37. Шульц Д. Н., Якупова И. Н. (2016). Агентное моделирование влияния микроструктуры на свойства экономики // Журнал экономической теории. № 1. С. 70—81.

38. Эльдяева Н. А., Кованова Е. С., Тенетова Е. П. (2019). Интенсивность современных миграционных потоков и последствия внутрирегиональной и межрегиональной миграции населения российских регионов // Вестник МФЮА. № 2. С. 86—96.

39. Asgary A., Najafabadi M. M., Wendel S. K., Resnick-Ault D., Zane R. D., Wu J. (2021). Optimizing planning and design of COVID-19 drive-through mass vaccination clinics by simulation. Health and Technology, Vol. 11, pp. 1359—1368. https://doi.org/10.1007/s12553-021-00594-y

40. Aziz N., Aziz A., Mahar G. (2023). Role of provincial migration and immigration in provincial trade of Canada. Journal of Risk and Financial Management, Vol. 16, No. 7, article 328. https://doi.org/10.3390/jrfm16070328

41. Bonabeau E. (2002). Agent-based modeling: Methods and techniques for simulating human systems. PNAS, Vol. 99, Suppl. 3, pp. 7280—7287. https://doi.org/10.1073/pnas.082080899

42. Borshchev A. (2014). Multi-method modelling: AnyLogic. In: S. Brailsford, L. Churilov, B. Dangerfield (eds.). Discrete-event simulation and system dynamics for management decision making. Wiley, pp. 248—279. https://doi.org/10.1002/9781118762745.ch12

43. Borshchev A., Grigoryev I. (2020). The big book of simulation modeling: Multimethod modeling with AnyLogic 8. AnyLogic North America.

44. Dietz J., Li B., Castaсeda E. (2023). Keeping in motion or staying put: Internal migration in the United States and China. Societies, Vol. 13, No. 7, article 162. https://doi.org/10.3390/soc13070162

45. Dubrovskaya J., Shults D., Kozonogova E. (2022). Constructing a region DSGE model with institutional features of territorial development. Computation, Vol. 10, No. 7, article 105. https://doi.org/10.3390/computation10070105

46. Ernst J., Dräger S., Schmaus S., Weymeirsch J., Alsaloum A., Münnich R. (2023). The influence of migration patterns on regional demographic development in Germany. Social Sciences, Vol. 12, No. 5, article 255. https://doi.org/10.3390/socsci12050255

47. Gray D. (2023). What can district migration rates tell us about London’s functional urban area? Journal of Risk and Financial Management, Vol. 16, No. 2, article 89. https://doi.org/10.3390/jrfm16020089

48. Kim H.-W., Lee D.-H. (2022). Impact of highway construction on internal migration: A Korea perspective. Sustainability, Vol. 14, No. 21, article 14477. https://doi.org/10.3390/su142114477

49. Kim M. J., Xie X., Zhang X. (2021). How does an environmental amenity attract voluntary migrants? Evidence from ambient air quality in China. Sustainability, Vol. 13, No. 12, article 6872. https://doi.org/10.3390/su13126872

50. Laubenbacher R., Jarrah A. S., Mortveit H. S., Ravi S. (2012). Agent based modeling , mathematical formalism for. In: R. Meyers (ed.). Computational complexity. New York: Springer. https://doi.org/10.1007/978-1-4614-1800-9_6

51. Makarov V., Bakhtizin A., Epstein J. M. (2022). Agent-based modeling for a complex world. Part 1. Economics and Mathematical Methods, Vol. 58, No. 1, pp. 5—26. https://doi.org/10.31857/S042473880018970-6

52. Maza A. (2020). Internal migration in Spain: A complementary approach. Economies, Vol. 8, No. 3, article 59. https://doi.org/10.3390/economies8030059

53. Pоrvu R., Bădоrcea R. M., Doran N. M., Jianu E., Țenea L., Murtaza F. (2022). Linking internal mobility, regional development and economic structural changes in Romania. Sustainability, Vol. 14, No. 12, article 7258. https://doi.org/10.3390/su14127258

54. Serkov L., Krasnykh S. (2023). The specific behavior of economic agents with heterogeneous expectations in the New Keynesian Model with rigid prices and wages. Mathematics, Vol. 11, No. 4, article 796. https://doi.org/10.3390/math11040796

55. Tesfatsion L. (2006). Agent-based computational economics: A constructive approach to economic theory. In: L. Tesfatsion, K. L. Judd (eds.). Handbook of computational economics, Vol. 2. Amsterdam: North-Holland, pp. 831—880.

56. Vuong Q.-H., Le T.-T., La V.-P., Vuong T.-T., Nguyen M.-H. (2023). Investigation into the rationale of migration intention due to air pollution integrating the homo oeconomicus traits. Urban Science, Vol. 7, No. 2, article 59. https://doi.org/10.3390/urbansci7020059