Интегральный индикатор медиакоммуникационной индустрии: инструмент анализа новой социально-экономической категории

Раздел: Экономика СМИ

В статье представлена методическая разработка количественного инструментария анализа новой социально-экономической категории – медиакоммуникационной индустрии (МКИ). Предложенный в работе интегральный индикатор МКИ позволяет оценивать уровень развития индустрии на основе анализа показателей, содержащихся в базах статистических данных работы национальной медиакоммуникационной индустрии. Методика вычисления интегральных индикаторов имеет эконометрический характер и опирается на разработки российских и зарубежных ученых (в том числе авторов статьи) по использованию метода главных компонент для снижения размерности наборов социально-экономических показателей. При построении индикатора учитывались эмпирические данные по субъектам РФ, полученные на протяжении десяти лет. В результате инструмент исследования медиакоммуникационной индустрии страны адекватно отображает качественное ее состояние на общенациональном и региональном уровнях и, что немаловажно, является математически состоятельным и сохраняющим необходимую вариативность. Выполненные исследования позволили сформировать базовые принципы классификации регионов страны в соответствии с особенностями функционирования их медиакоммуникационной индустрии, ее вкладом в региональную экономику, а также сформулировать основные параметры математической модели, связывающей уровень развития медиакоммуникационной индустрии с общими макроэкономическими показателями региона.

Введение

XXI век – время быстрых и принципиально важных социальных изменений, одним из которых стала медиатизация общества, то есть возрастание роли медиакоммуникаций во всех областях человеческой жизни – от государственного управления, экономической и научно-образовательной деятельности до повседневных и семейно-бытовых проблем. Процесс медиатизации технически поддерживается повсеместным внедрением компьютерных технологий, средств связи и хранения информации нового поколения и обеспечивает, в свою очередь, проникновение сетевых интернет-технологий во все сферы человеческой жизни. В совокупности эти процессы привели к качественным изменениям медиасреды и формированию медиакоммуникационной индустрии (МКИ) – нового социально-экономического явления полисубъектной структуры. МКИ объединяет технические средства для работы с информацией в цифровых форматах, включая системы обработки и преобразования данных, их представления, передачи и хранения, а также производителей и потребителей этой информации. Взаимодействие этих субъектов в социальноэкономическом контексте обеспечивает удовлетворение информационно-коммуникационных потребностей современного общества (Вартанов, 2023).

Введение в употребление категории медиакоммуникационой индустрии стало первым шагом теоретического обоснования всей академической области медиакоммуникации, осмысления генезиса новой индустрии, ее сущности, функций и характеристик. 
Современная медиакоммуникационная индустрия представляет собой полисубъектную систему, состоящую из разнородных элементов, и включает не только системы производства и дистрибуции контента, каналы и платформы с соответствующим техникотехнологическим и программным обеспечением, но и социальные структуры и институты. Адекватное количественное описание свойств и состояний такой сложной социально-экономической структуры возможно только с помощью значительного количества показателей или критериев. По оценкам ряда исследователей, для детального количественного описания медиакоммуникационной отрасли и корректного определения уровня и направлений ее развития число статистических показателей в академически значимых проектах может достигать многих десятков тысяч (Вартанов, 2023; Vartanov, Vardanyan, 2024). 

Такие размерности не позволяют использовать их совокупность в исходном виде для выявления и анализа причинно-следственных связей, определяющих динамику развития МКИ. Поэтому для актуализации и операционализации понятия медиакоммуникационной индустрии на первый план выходит задача создания методов и средств ее математического моделирования, и среди них – корпуса инструментальных методов обработки статистических данных. Стартовыми шагами в этом направлении являются разработка и апробация методологии уменьшения размерности статистических показателей, характеризующих свойства, состояние и параметры развития МКИ. Одним из способов решения этой задачи представляется формирование единого синтетического показателя, обладающего максимумом статистической вариации для учета вклада всего множества описывающих индустрию признаков. В современной эконометрике подобные синтетические показатели называются «интегральные индикаторы» (название отражает их способность к интеграции и агрегированию свойств всех базовых показателей, на основе которых они рассчитаны). Придерживаясь этой традиции, назовем интересующий нас показатель интегральным индикатором медиакоммуникационной индустрии. В рамках данной статьи ставятся задачи адаптации к МКИ существующих методик расчета интегральных индикаторов в науках об обществе, а также пилотного применения разработанной методики к данным об инфраструктурных и аудиторных показателях российской МКИ. 

Интегральные индикаторы в науках об обществе: теоретическая рамка

Задача построения интегрального индикатора при исследовании внутренней структуры экономико-социологических систем и взаимозависимостей их элементов возникает в тех случаях, когда число ее характеристик и параметров чересчур велико. Частным случаем является задача вывода из большой совокупности разнородных переменных единственного «синтетического» показателя, пригодного для анализа межотраслевых связей в агрегированном виде и при индикативном планировании. В частности, в ООН подобные методики применяются для сравнительного анализа стран с экономической, социальной, политической и экологической точки зрения и построения рейтингов и рэнкингов на основе вычисленного интегрального индикатора (Foa, Tanner 2012; Sharpe, 2004), причем количество методов решения такой задачи уже давно превысило три сотни (Жгун, 2017а). В экономических и социологических исследованиях идея интегрального индикатора находит широкое применение, например при анализе статистики региональных экономических систем (Заруцкий, 2012), качества жизни и здоровья (Жгун, 2017б; Гайдамак, Хохлов, 2019; Жгун, 2013; 2014; Vyas, Kumaranayake, 2006; Somarriba, Pena, 2009; Большаков, Крутько, 2005), устойчивого развития и экологии (Кирильчук, Рыкунова, 2018; Бобылев, Кудрявцева, Соловьева, 2014; Бобылев, Соловьева, Ситкина, 2013; Бобылев, 2012), региональных и городских транспортных систем (Карасев, Кривцова, 2019), а также регионального уровня развития информационно-коммуникационных технологий и инноваций в целом (Бычкова, Паршинцева, 2020)¹. С инструментальной точки зрения наибольший вклад в разработку отечественной методологии построения интегральных индикаторов и связанных инструментов экономико-социологического анализа внесли академик С. А. Айвазян и представители его научной школы (Айвазян, 2000; 2001; Айвазян, Степанов, Козлова, 2009; Айвазян, 2012; Кудров, Айвазян, Афанасьев, 2019; Айвазян, Афанасьев, Кудров, 2019; Айвазян, Исакин, 2006), отводившие в ней ключевую роль модификациям метода главных компонент. 

«Классический» метод главных компонент (МГК, PCA – от англ. principal component analysis) является одним из основных методов факторного анализа, к нему часто прибегают в случае необходимости снижения размерности массивов социально-экономических данных (Hightower, 1978). Находит применение PCA-метод и в разработке всевозможных показателей социально-экономического состояния (SES), используемых международными организациями уровня ООН и Международного банка (McKenzie, 2005; Vyas, Kumaranayake, 2006; Ngo, Christiaensen, 2018). Однако, несмотря на распространенность, понятность и интерпретируемость, метод главных компонент применим не ко всяким исходным данным и не всегда дает высокую точность, для этого должны выполняться строго ограничительные условия. В случае многомерных социоэкономических систем со сложной структурой внутренних и внешних связей гарантировать выполнение подобных условий невозможно и требуются иные подходы, например «блочные» методы Айвазяна (2003, 2012).

Для построения адекватного интегрального индикатора исходные данные и методология должны удовлетворять трем ключевым критериям (Жгун, 2017а): 

–         теоретическая рамка изучаемого феномена тщательно прора-ботана (Nardo et al., 2005);

–         исходные данные тщательно проверены и верифицированы, а их источники признаны надежными;

–         для снижения размерности многомерных данных подобран адекватный и применимый именно для них инструментарий. 

В качестве основы для отработки методологии построения интегрального индикатора МКИ и демонстрации адекватности получающегося показателя использованы собранные в рамках проекта «Медиамонитор» данные об инфраструктуре и аудиторных показателях российской МКИ на уровне отдельных субъектов федерации. Они удовлетворяют требованиям к качеству (Vartanov, Vardanyan, 2024), и после отбора из этих данных (в основном собранных из открытых источников: Федеральная служба государственной статистики – Росстат, бывшее Федеральное агентство по печати и массовым коммуникациям – ФАПМК, Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации – Минцифры, Книжная палата РФ и т. д.) характеристик аудиторного медиаповедения, медийной и телекоммуникационной отраслей экономики был сформирован исходный набор. В него вошли 35 показателей по различным регионам Российской Федерации, сгруппированных в четыре подгруппы: онлайн-медиа (14 показателей), печатные медиа (11), радиовещание (4), телевещание (6) (см. табл. 1). Данные показатели достаточно полно характеризуют инфраструктуру МКИ на региональном уровне, степень ее развития и аудиторной активности. 

Источник: составлено авторами на основе данных из открытых источников (Росстат, ФАПМК, Минцифры, Книжная палата), а также данных компании Mediascope (проекты TV Index и Radio Index).

На основе доступности и качества имеющихся данных из всех 85 (83 до 2014 г., 89 после 2022 г.) регионов были выбраны 16 базовых субъектов Федерации: два города федерального значения (Москва и Санкт-Петербург), девять областей (Воронежская, Новосибирская, Омская, Ростовская, Самарская, Саратовская, Свердловская, Тюменская, Челябинская), три края (Краснодарский, Красноярский, Хабаровский) и одна республика (Татарстан). Важным требованием для отбора, которому удовлетворяют эти регионы (и не удовлетворяют другие), была доступность временных рядов по приведенным в табл. 1 показателям за девять и более лет наблюдения подряд. Поэтому исходными данными для расчета в рамках апробируемой методики стали значения этих показателей с 2012 по 2020 г. (данные за более поздние годы на момент выполнения расчетов были доступны лишь частично)². Население базовых регионов РФ в течение указанного периода составляло порядка 42–43% от общероссийского показателя. 

Методика расчета интегрального индикатора развития МКИ разработана на базе методики С. А. Айвазяна (2012), в ее основе лежит один из вариантов метода главных компонент, который необходимо применять несколько раз последовательно на разных уровнях агрегирования данных. Как и другие «айвазяновские» методы построения индикаторов, он состоит из двух шагов, соответствующих двум уровням агрегирования исходных данных. На первом шаге (внутригрупповой уровень агрегирования) для каждой из групп (онлайн-медиа, печатные медиа, телевещание, радиовещание) строится агрегат – линейная комбинация входящих в нее переменных. Агрегаты первого шага сами по себе уже являются интегральными индикаторами, которые использованы позже в настоящей работе для оценки уровня развития соответствующих типов медиа. Второй шаг представляет собой построение непосредственно интегрального индикатора как функции от агрегатов. На обоих этапах применяется модифицированный метод главных компонент.

На рисунке 1 и 2 представлены в обобщенном виде блок-схемы предлагаемого алгоритма расчета агрегатов и интегрального индикатора соответственно.

Расчет начинается с подготовки исходных данных – центрирования и нормировки. Центрирование представляет собой преобразование исходных данных вида:

К полученным вышеописанным способом данным применяется метод главных компонент. Для каждой группы переменных выделяется первая главная компонента и вычисляется доля объясненной ею дисперсии. Если она менее 55%, использовать полученную главную компоненту в качестве агрегата – интегрального индикатора группы невозможно. В этом случае совокупность переменных внутри группы разбивается на подгруппы (в подгруппу объединяются показатели, имеющие повышенное значение парной корреляции.), к которым повторно применяется процедура выделения первой главной компоненты. Затем вновь проверяется, достигла ли доля объясненной дисперсии этого показателя, – и если нет, то подгруппа вновь разбивается и все предыдущие шаги повторяются. 

После получения агрегатов подгрупп использовать метод главных компонент повторно, но уже для сборки агрегата группы нецелесообразно из-за низкой взаимной корреляции между подгруппами (Айвазян 2003; 2012). Для окончательного формирования индикатора вводится фиктивный регион, которому приписываются нули в качестве значений всех показателей (нулевой регион), служащий, согласно методике Айвазяна, эталоном. Рассматривая наборы показателей, характеризующих регионы, как точки в пространстве размерности, равной количеству подгрупп, естественно оценить искомое значение агрегата для каждого региона (интегральный уровень, по Айвазяну) расстоянием �