СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ВЛИЯНИЯ ПРОГРАММНЫХ БЮДЖЕТНЫХ РАСХОДОВ НА ЭКОНОМИЧЕСКУЮ ДИНАМИКУ КАЛИНИНГРАДСКОЙ ОБЛАСТИ

---

МНАЦАКАНЯН ДАВИД

DOI 10.33305/261-145

УДК 332.1:338.23

Выпуск № 1, Январь 2026 г., статья № 14, стр. 145-155

Рубрика: Конкурс молодых авторов

Ключевые слова: ПРОГРАММНО-ЦЕЛЕВОЕ ФИНАНСИРОВАНИЕ, РЕГРЕССИОННЫЙ АНАЛИЗ, КОРРЕЛЯЦИОННЫЙ АНАЛИЗ, БЮДЖЕТ, ВАЛОВОЙ РЕГИОНАЛЬНЫЙ ПРОДУКТ, КАЛИНИНГРАДСКАЯ ОБЛАСТЬ, ЭФФЕКТИВНОСТЬ БЮДЖЕТА, МАШИННОЕ ОБУЧЕНИЕ

---

Аннотация: В статье представлено исследование эффективности программно-целевого бюджетного финансирования на региональном уровне с использованием методов корреляционного и регрессионного анализов. На примере Калининградской области за 2014–2023 годы проводится оценка влияния шести ключевых направлений бюджетных расходов на динамику валового регионального продукта. В рамках анализа применяются как классические статистические методы, так и современные алгоритмы машинного обучения, включая полиномиальную регрессию с регуляризацией, случайный лес, SVR и метод k-ближайших соседей. Помимо анализа взаимосвязей между объемами финансирования и ВРП, исследование включает углублённую диагностику свойств данных, охватывающую проверку нормальности распределений, выявление мультиколлинеарности и оценку устойчивости моделей к изменению выборки. Такой подход позволяет не только определить степень влияния отдельных программ на экономическую динамику региона, но и повысить точность прогностических моделей, дополняя традиционные экспертные оценки, детализировать представление о мультипликативных эффектах бюджетных инвестиций и оптимизировать распределение ресурсов с учетом их нелинейного вклада в экономику. Дополнительно проведено сравнение корректирующих свойств различных методов машинного обучения, что дало возможность выявить алгоритмы, наиболее точно описывающие нелинейную структуру данных бюджетного финансирования. Выявлены приоритетные направления финансирования, оказывающие наибольшее влияние на макроэкономические показатели региона. Особое внимание уделено агропромышленному комплексу, показавшему низкий уровень результативности в сравнении с другими программами. Полученные результаты могут быть использованы при принятии управленческих решений и совершенствовании механизмов программного бюджетирования на уровне субъектов Российской Федерации.

Авторы:
Мнацаканян Давид Альбертович, Калининградский государственный технический университет

---

---

STATISTICAL MODELING OF THE IMPACT OF PROGRAM BUDGET EXPENDITURES ON THE ECONOMIC DYNAMICS OF THE KALININGRAD REGION

DOI 10.33305/261-145

Issue № 1, 2026, article № 14, pages 145-155

Section: Competition of young authors

Keywords: PROGRAM-TARGETED FINANCING, REGRESSION ANALYSIS, CORRELATION ANALYSIS, BUDGET, GROSS REGIONAL PRODUCT, KALININGRAD REGION, EFFICIENCY OF BUDGET, MACHINE LEARNING

Abstract: The article presents a study of the effectiveness of program-based budget financing at the regional level using correlation and regression analysis methods. Based on data from the Kaliningrad region for 2014–2023, the impact of six key budget spending areas on Gross Regional Product (GRP) dynamics is assessed. The analysis incorporates both classical statistical methods and modern machine learning algorithms, including polynomial ridge regression, Random Forest, Support Vector Regression (SVR), and k-Nearest Neighbors (KNN). In addition to analyzing the relationship between funding volumes and GRP, the study includes an in-depth analysis of data properties, including testing the normality of distributions, identifying multicollinearity, and assessing the robustness of models to sample changes. This approach not only allows determining the impact of individual programs on regional economic performance but also improves the accuracy of predictive models; by complementing traditional expert assessments, it allows detailing the understanding of the multiplier effects of budget investments and optimizing resource allocation based on their nonlinear contribution to the economy. Additionally, a comparison of the corrective capabilities of various machine learning methods was conducted, enabling the identification of algorithms that most accurately describe the nonlinear structure of budget funding data. The study identifies priority areas of funding that have the greatest influence on the region’s macroeconomic indicators. Special attention is given to the agro-industrial complex, which demonstrated the lowest performance relative to other programs. The results obtained can support decision-making and contribute to improving program-based budgeting mechanisms at the regional level in the Russian Federation.

Authors: Mnatsakanian David Albertovich