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 между «его» точкой и точкой «нулевого региона» (Айвазян, 2012: 103).

Для каждого года в интервале расчета (с 2012 г. по 2020 г., 9 значений) выполнена одна и та же процедура расчёта IIMCD, и в итоге построены временные ряды для каждого региона (при этом структура подгрупп, на которые разбивались исходные группы переменных, может оказаться различной для разных лет). Следующий шаг предполагает объединение первых ГК подгрупп в единые показатели I1 – I4; отсортировав регионы по их итоговому значению, можно построить соответствующие рейтинги. Их анализу и обсуждению динамики значений на всем интервале рассмотрения посвящен следующий раздел настоящей статьи. В качестве примера в табл. 2 представлены окончательно рассчитанные по формуле (2) значения сводного интегрального индикатора развития медиакоммуникационной индустрии для 2020 года.

Источник: составлено авторами по результатам собственных исследований.

Анализ и обсуждение результатов

Массив построенных интегральных индикаторов обладает широким охватом как в региональном, так и во временном измерениях. Так как рассматриваются не только итоговые значения сводного индикатора, но и отдельные агрегаты, полученные значения могут быть использованы для характеристики уровня развития соответствующего сектора (подотрасли) МКИ в регионе и потому пригодны для качественного и количественного анализа состояния индустрии.

Аналитическая мощность полученного инструмента весьма высока и позволяет исследовать целый комплекс пространственновременных взаимосвязей между внутриидустриальными и внешними по отношению к МКИ социально-экономическими показателями. Не претендуя на полноту описания, остановимся на небольшом количестве взаимосвязей, позволяющих сформировать картину развития МКИ в России в целом. Рассмотрим динамику интегральных индикаторов развития МКИ в 2012–2020 гг.: 

–         города Москвы интегральный и агрегаты – онлайн- и печат-ные медиа, телевидение и радиовещание, 

–         печатных и онлайн-медиа, радио- и телевещания в регионах выборки. 

Отдельно остановимся на динамике сводного индикатора и проанализируем изменение построенного на его основе рейтинга регионов в 2012–2020 гг. На рисунке 3 показана динамика изменения индикатора для города Москвы в период 2012–2020 гг. Рассматривая эти данные совместно с графиками, приведенными на рисунках 4 и 5, можно выделить существенное превышение значений индексов для Москвы (см. рис. 3) и Санкт-Петербурга в соответствующих рейтингах, которое коррелирует с наивысшим уровнем их развития в экономическом, культурном и демографическом смысле. В трех агрегатных индикаторах лидирует Москва, а в онлайн-медиа – Санкт-Петербург. При этом лидерство Санкт-Петербурга по этому индикатору весьма условное, так как с 2017 г. его значение у двух российских столиц практически одинаковое.

В целом же можно отметить определенную гомогенизацию развития исследованных регионов с точки зрения динамики интегрального индикатора. Даже несмотря на лидерство двух столиц, значение показателя остальных регионов не сильно отстает. Можно отметить также некоторый «скачок» значения агрегата для Новосибирской области в 2017–2018 гг., что сделало этот регион третьим к 2020 г. (см. рис. 4)

–         су щественная неравномерность уровня их развития;

–         прямая зависимость количества зарегистрированных печат-ных изданий от населения региона;

–         сильная концентрация индустрии: большое количество зна-чимых медийных активов принадлежит небольшому количеству московских медиахолдингов.

Таким образом, на построенный интегральный индикатор в агрегированном виде повлияли ключевые качественные особенности отечественной медиакоммуникационной индустрии. В первую очередь речь идет о системной централизация ее печатного сегмента, из-за которой не только редакции многих федеральных изданий, но и ключевые издательства сконцентрированы в столице.

Для радиовещания практически во всем временном диапазоне наблюдений максимальные значения интегрального индикатора агрегата демонстрировала Москва (см. рис. 5). Санкт-Петербург до 2017 г. по величине индикатора располагался в середине плотной группы регионов, даже ниже Саратовской области. Однако к 2020 г. северная столица и по этому показателю вышла на второе место. При этом в течение практически всего периода исследований можно наблюдать две стабильные и численно равные группы лидеров и аутсайдеров, с единичными переходами из группы в группу. Объяснение этого феномена еще ждет своего исследователя.

Графическое представление динамики интегрального индикатора для агрегата «телевидение» в период 2012–2020 гг. приведено на рисунке 5. Для этого агрегата также характерна высокая плотность результатов с очевидным лидированием Москвы в период до 2017 г. (I₄ ≈ 4,7) и синхронная, во многом единообразная реакция на внешние шоки в конце периода наблюдений (2018–2020 гг.). Однако, несмотря на качественную схожесть, количественные значения индекса в регионах менялись неравномерно, что отражалось и в изменениях рейтингов регионов. До 2017 г. динамика агрегата I₄ имела примерно такой же характер, как и показателей I₁, I₂, I₃, наибольшее значение индикатора с большим отрывом имела Москва, однако с 2017 по 2019 г. показатель сильное снизился. Одновременное резкое снижение индикаторов в 2019 г. с коррекцией и выходом на прежний уровень годом позднее может иметь довольно простое объяснение. Так значение агрегата I₄ отреагировало на структурную трансформацию телевизионного сегмента МКИ, связанную с прекращением эфирного вещания и переходом на цифровой формат³. До этого регионы отличались высокой дифференциацией уровня развития телевидения во многом из-за разного уровня развития локальной инфраструктуры доставки сигнала эфирного ТВ, в частности ретрансляторной системы, что стало несущественно после перехода на цифровое спутниковое вещание (см. рис. 5). В результате значения агрегата I₄ к 2020 г. оказались однородными, несмотря на различную динамику в более ранние периоды. При этом, в отличие от предыдущих интегральных индикаторов, при лидирующем положении Москвы второе место в 2020 г. занял Хабаровский край, значение агрегата в котором оказалось сравнимо с московским (примерно 4,35). Скорее всего, этот результат объясняется статусом региона как медиакоммуникационного центра Дальневосточного федерального округа: в Хабаровске расположена штаб-квартира филиала ВГТРК – ГТРК «Дальневосточная». 

Как показал проведенный анализ, качественная динамика агрегатов (по сути, групповых интегральных индикаторов отдельных секторов МКИ) оказалась адекватна ключевым трендам, затронувшим медиакоммуникационную индустрию в изучаемый период – с точки зрения как изменения их внутренней структуры, так и внешних шоков и локальных особенностей региональных медиасистем.

Региональная динамика сводного интегрального индикатора развития медиакоммуникационной индустрии в агрегированном виде обобщает динамику отдельных индикаторов-агрегатов. На протяжении всего периода наблюдения наибольшие значения этого показателя демонстрировали Москва и Санкт-Петербург с ощутимым отрывом от прочих регионов (см. рис. 6 и 7). Есть основания полагать, что две столицы окажутся лидерами развития МКИ не только среди исследованных регионов, но и среди всех субъектов Российской Федерации. Для подтверждения или опровержения этого недостаточно качественной статистики, – это может стать важной задачей будущих исследований.

Отдельный исследовательский интерес представляет изучение зависимости вида

Диаграмма рассеяния, построенная в осях «Интегральный региональный индикатор развития МКИ» и «ВРП на душу населения», хорошо иллюстрирует взаимосвязь сводного индикатора развития МКИ и удельной величины валового регионального продукта. Рассмотрение такой диаграммы, построенной на основе имеющегося набора данных (16 крупнейших регионов России в период 2012–2020 гг.) позволяет сделать ряд выводов и сформулировать подходы к классификации регионов Российской Федерации по критериям медиакоммуникационного и общеэкономического развития:

–         выявлена положительная взаимозависимость уровня разви-тия МКИ и региональной экономики в целом в форме прямой пропорции: чем выше значение сводного интегрального индикатора МКИ, тем больше производимый в регионе ВРП на душу населения. По аналогии с применяемой в астрономической классификации терминологией, наблюдаемую зависимость можно назвать главной последовательностью, отражающей фундаментальную взаимосвязь, возможную основу для классификации макроэкономических показателей и интегральных показателей развития МКИ. Нетрудно рассчитать, что повышение интегрального индикатора развития МКИ на 0,1 пункта соответствует возрастанию удельного годового ВРП примерно на 43 тыс. руб. на одного жителя региона;

–         над главной последовательностью располагаются два регио-на-аутлайера – Красноярский край и Тюменская область. Для этих регионов также характерна положительная взаимозависимость уровня развития МКИ и региональной экономики в целом, аппроксимируемая в форме прямой пропорции, но с более высоким по отношению к указанному в выражении (3) коэффициентом пропорциональности;

–         взаимосвязь региональных макроэкономических показателей и интегрального индикатора медиакоммуникационной индустрии в столичных городах – Санкт-Петербурге и Москве – соответствуют общероссийским закономерностям. 

Отдельный интерес при анализе диаграммы представляют два региона-аутлайера – Красноярский край и Тюменская область. Качественная зависимость уровня развития МКИ и региональной экономики в них аналогична таковой для других регионов: ВРП на душу населения прямо пропорционален сводному интегральному индикатору МКИ, однако с намного более высоким (по отношению к указанному в выражении (3) среднероссийскому уровню) коэффициентом пропорциональности. 

К основным отличиям указанных регионов следует отнести их большую площадь при относительно небольшом населении (Тюменская область – площадь 1,5 млн, население 3,9 млн человек⁴; Красноярский край – 2,4 млн, 2,8 млн человек⁵). Большая территория и низкая плотность населения в этих регионах формируют особый тип распределения телекоммуникационной инфраструктуры и ключевых субъектов МКИ и аудитории, сконцентрированных в нескольких крупных городах, рассредоточенных на большом удалении друг от друга. Значительные расстояния между городами – центрами индустрии и повышенные капитальные затраты на телекоммуникационную инфраструктуру обуславливают региональную специфику в модели развития МКИ и требуют технологически нестандартных и инновационных решений для интеграции городских медиасистем в единую региональную медиасистему.

Выводы

В статье рассмотрены вопросы создания инструментария для количественного анализа медиакомуникационной индустрии. Показано, что в качестве одного из них может выступать интегральный индикатор состояния МКИ (ИИМКИ). В основу методологии расчета индикатора положено применение модифицированного метода главных компонент, в ходе последовательных итераций позволяющего перейти от высокоразмерного множества показателей и переменных, описывающих свойства и состояние МКИ, к малоразмерной системе синтетических показателей с максимально возможным сохранением вариации и далее осуществить переход к единому сводному индикатору. Разработанный индикатор обладает математико-статистической состоятельностью, сохраняя значительную долю вариации исходного множества данных, и адекватно отражает качественные особенности индустриального развития медиакоммуникаций на региональном и национальном уровнях, например (не)равномерность уровня развития региональных медиасистем, зависимости количественных показателей региональных медиа от населения региона, характеристики индустриальной концентрации и т. д.

Приведен пример расчета индикатора состояния МКИ с использованием статистических данных об инфраструктуре индустрии и аудиторной активности за десятилетний период по регионам России с суммарным охватом населения порядка 63 млн человек. Построена система индикаторов развития МКИ в региональном и временном разрезах, с помощью которой исследована динамика состояния МКИ, а также межрегиональные различия и особенности реакции медиакоммуникационных индустрий различных регионов и России в целом на внешние шоки. На основе анализа системы индикаторов сформированы подходы к классификации регионов России в части уровня развития и особенностей функционирования региональной МКИ, а также места и роли индустрии в региональной и национальной экономиках.

¹ Рейтинг инновационного развития субъектов Российской Федерации: аналитический доклад / под ред. Л. М. Гохберга. М.: ИД ВШЭ, 2012; Рейтинг инновационного развития субъектов Российской Федерации. Вып. 2 / под ред. Л. М. Гохберга. М.: ИД ВШЭ, 2014; Рейтинг инновационного развития субъектов Российской Федерации. Вып. 3 / под ред. Л. М. Гохберга. М.: ИД ВШЭ, 2015; Рейтинг инновационного развития субъектов Российской Федерации. Вып. 4 / под ред. Л. М. Гохберга. М.: ИД ВШЭ, 2016; Рейтинг инновационного развития субъектов Российской Федерации. Вып. 5 / под ред. Л. М. Гохберга. М.: ИД ВШЭ, 2017; Рейтинг инновационного развития субъектов Российской Федерации. Вып. 6 / под ред. Л. М. Гохберга. М.: ИД ВШЭ, 2020.

² Разумеется, имея в виду индустриальную направленность индикатора, возникает очевидная необходимость внести в базу расчета интегрального индикатора различных показателей объема медиарекламного рынка регионов в разных типах медиа. К сожалению, исторических данных требуемого качества и детальности, соответствующих аудиторными и инфраструктурным данным за анализируемый период, недостаточно для включения их в базу расчета на текущем этапе разработки индикатора. Тем не менее, имея в виду сложившуюся тенденцию к повышению точности и детальности исследований рынка рекламы, авторы надеются, что в ближайшие годы подобная статистика появится, благодаря чему станет возможным, пользуясь разработанной и предложенной в настоящей статье методологией, рассчитать расширенный интегральный индикатор МКИ, учитывающий также и региональные показатели рекламного сегмента индустрии.

³ Каким российским регионам и в какие даты власти отключат аналоговое ТВ. График // CNews. 2018. Дек., 10. Режим доступа: https://www.cnews.ru/news/top/2018-12-10_kakim_rossijskim_regionam_i_v_kakie_daty_vlasti (дата обращения: 04.03.2024).

⁴ Предварительная оценка численности постоянного населения на 1 января 2023 года и в среднем за 2022 год (с учетом итогов Всероссийской переписи населения 2020 г.): Федеральная служба государственной статистики. 2023. Янв., 31. Режим доступа: https://rosstat.gov.ru/storage/mediabank/PrPopul2023_Site_.xlsx (дата обращения: 04.03.2024).

⁵ Там же.

Библиография

Айвазян С. А. Интегральные индикаторы качества жизни населения: их построение и использование в социально-экономическом управлении и межрегиональных сопоставлениях. М.: ЦЭМИ РАН, 2000. 117 с.

Айвазян С. А. Россия в межстрановом анализе синтетических категорий качества жизни населения. Ч. I: Методология анализа и пример ее применения // Мир России. 2001. Т. 10. № 4. С. 59–96.

Айвазян С. А. К методологии измерения синтетических категорий качества жизни населения // Экономика и математические методы. 2003. Т. 39. № 2. С. 38–53.

Айвазян С. А., Степанов В. С., Козлова М. И. Измерение синтетических категорий качества жизни населения региона и выявление ключевых направлений совершенствования социально-экономической политики (на примере Самарской области и ее муниципальных образований) // Прикладная эконометрика. 2006. № 2 (2). С. 18–84.

Айвазян С. А. Анализ качества и образа жизни населения (эконометрический подход). М.: Наука, 2012. 432 с.

Айвазян С. А., Афанасьев М. Ю., Кудров А. В. Интегральный индикатор качества условий жизни // Цифровая экономика. 2019. № 1 (5). С. 43–56.

Айвазян С. А., Исакин М. А. Интегральные индикаторы качества жизни населения региона как критерии эффективности социально-экономической политики, проводимой органами региональной власти // Прикладная эконометрика. 2006. № 1 (1). С. 25–31.

Бобылев С. Н. Индикаторы устойчивого развития для России // Социально-экологические технологии. 2012. № 1. С. 8–18. Режим доступа: https://cyberleninka.ru/article/n/indikatory-ustoychivogo-razvitiya-dlya-rossii (дата обращения: 04.03.2024).

Бобылев С. Н., Кудрявцева О. В., Соловьева С. В. Индикаторы устойчивого развития для городов // Экономика региона. 2014. № 3. С. 101–109.

Бобылев С. Н., Соловьева С. В., Ситкина К. С. Индикаторы устойчивого развития Уральского региона // Экономика региона. 2013. № 2 (34). С. 10–17.

Большаков А. М., Крутько В. Н. Интегральные индикаторы здоровья и компьютерные системы для их оценки // Гигиена и санитария. 2005. № 6. С. 51–52.

Бычкова С. Г., Паршинцева Л. С. Региональные сопоставления доступности и использования ИКТ в регионах России: возможности использования интегральных индикаторов // Статистика и экономика. 2020. № 1. С. 25–34.

Вартанов С. А. Медиакоммуникационная индустрия: к теоретическому обоснованию категории // Вестник Московского университета. Серия 10: Журналистика. 2023. Т. 48, № 6. С. 3–36. DOI: 10.30547/vestnik.journ.6.2023.336.

Гайдамак И. В., Хохлов А. Г. Моделирование интегральных показателей качества жизни населения юга Тюменской области // Вестник Тюменского государственного университета. 2009. № 6. С. 176–186.

Жгун Т. В. Вычисление интегрального показателя эффективности функционирования динамической системы на примере интегральной оценки демографического развития муниципальных образований Новгородской области // Вестник Новгородского государственного университета. Сер.: Физико-математические науки. 2013. Т. 2. № 75. С. 11–16.

Жгун Т. В. Построение интегральной характеристики изменения качества системы на основании статистических данных как решение задачи выделения сигнала в условиях априорной неопределенности // Вестник Новгородского государственного университета. Серия: Технические науки. 2014. № 81. С. 10–16.

Жгун Т. В. (а) Алгоритм построения интегрального индикатора качества сложной системы для ряда последовательных наблюдений // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2017. Т. 6. № 1. С. 5–25.

Жгун Т. В. (б) Построение интегральной характеристики качества жизни субъектов Российской Федерации с помощью метода главных компонент // Экономические и социальные перемены: факты, тенденции, прогноз. 2017. Т. 10. № 2 (50). С. 214–235.

Заруцкий С. А. Интегральные индикаторы как средство оценивания региональных социально-экономических систем // Статистика и экономика. 2012. № 3. С. 135–139.

Карасев О. И., Кривцова А. О. Индикаторы транспортного развития мегаполисов // Инновации и инвестиции. 2019. №. 7. С. 206–212.

Кирильчук И. О., Рыкунова В. Л. Индикаторы устойчивого развития как показатели эколого-экономической безопасности // Известия Юго-Западного государственного университета. 2018. № 22 (2). С. 94–101.

Кудров А. В., Айвазян С. А., Афанасьев М. Ю. Индикаторы основных направлений развития и интегральный индикатор качества условий жизни на региональном уровне // Вестн. ЦЭМИ РАН. 2019. T. 2. Вып. 1.C.43-56. Режим доступа: http://digital-economy.ru/images/easyblog_articles/519/DE-2019-01-0_20200113-100151_1.pdf (дата обращения: 04.03.2024).

Foa R., Tanner J. C. (2012) Methodology of the Indices of Social Development. ISD Working Paper Series 2012-04. International Institute of Social Studies of Erasmus University Rotterdam (ISS).

Hightower W. L. (1978) Development of an Index of Health Utilizing Factor Analysis. Medical Care 16: 245–255.

McKenzie D. J. (2005) Measuring Inequality with Asset Indicators. Journal of Population Economics 18 (2): 229–260.

Nardo M., Saisana M., Saltelli A., Stefano Tarantola S. (2005) Tools for Composite Indicators Building. European Commission, Ispra 15 (1): 19–20.

Ngo D., Christiaensen L. (2018) The Performance of a Consumption Augmented Asset Index in Ranking Households and Identifying the Poor. World Bank Policy Research Working Paper No. 8362. Available at: https://ssrn.com/abstract=3136770 (accessed: 04.03.2024).

Sharpe A. (ed.) (2004) Literature Review of Frameworks for Macro-indicators. CSLS Research Report 2004-03. Ottawa: Centre for the Study of Living Standards. Available at: https://core.ac.uk/download/pdf/7033316.pdf (accessed: 04.03.2024).

Somarriba N., Pena B. (2009) Synthetic Indicators of Quality of Life in Europe. Social Indicators Research94 (1): 115-133.

Vartanov S., Vardanyan E. (2024) Macroeconomic indicators of Russia's media communication industry in 2000–2020: Quantitative analysis. World of Media. Journal of Russian Media and Journalism Studies 1: 5–29.

Vyas S., Kumaranayake L. (2006) Constructing Socio-Economic Status Indices: How to Use Principal Components Analysis. Health Policy and Planning 21 (6): 459–468.

Как цитировать: Вартанов С. А., Нефедова Ю. С., Нефедов С. И. Интегральный индикатор медиакоммуникационной индустрии: инструмент анализа новой социально-экономической категории // Вестник Московского университета. Серия 10. Журналистика. 2025. № 1. С. 3–32. DOI: 10.55959/ msu.vestnik.journ.1.2025.332

Поступила в редакцию 09.09.2024