СТАТИСТИЧЕСКИЙ МОНИТОРИНГ И ПРОГНОЗИРОВАНИЕ УРОВНЯ БЕДНОСТИ В РЕГИОНАХ РФ: НОВЫЕ МЕТОДИЧЕСКИЕ ПОДХОДЫ

Актуальность исследования обусловлена необходимостью перехода от традиционных, зачастую запаздывающих методов оценки бедности к более динамичным, предиктивным и пространственно-детализированным моделям. Существующая система, основанная на доле населения с доходами ниже прожиточного минимума, недостаточно точно отражает глубину и структуру бедности, особенно в региональном разрезе, что затрудняет адресное и эффективное планирование социальной политики. Цель исследования — разработать и апробировать комплекс новых методических подходов к статистическому мониторингу и краткосрочному прогнозированию уровня бедности в субъектах Российской Федерации, интегрирующих современные источники данных и аналитические методы. Методологическую основу составляют методы пространственной эконометрики, машинного обучения (включая алгоритмы для работы с панельными данными), синтетические индексы и анализ больших данных. Исследование предполагает критический анализ действующей методологии Росстата и апробацию альтернативных подходов на данных официальной статистики и альтернативных источников (данные о потреблении, цифровых следах). Результаты исследования будут заключаться в: 1. Критическом анализе ограничений текущей официальной методологии. 2. Разработке комплексного индикатора бедности (Multidimensional Poverty Index - MPI) для регионов РФ, учитывающего не только доход, но и депривации в образовании, здравоохранении и жилищных условиях. 3. Создании панельных регрессионных и предиктивных моделей (с использованием методов машинного обучения, таких как градиентный бустинг) для прогнозирования динамики бедности на основе ведущих макро- и социально-демографических индикаторов. 4. Апробации методики построения «карт рисков бедности» на субрегиональном уровне с использованием геоинформационных систем (ГИС). Выводы будут содержать оценку применимости и прогнозной силы предложенных методик, а также конкретные рекомендации для органов государственной статистики и управления по внедрению новых инструментов мониторинга для повышения обоснованности решений в социальной сфере. Ключевые слова: статистика бедности, региональная дифференциация, мониторинг социальных индикаторов, прогнозирование уровня бедности, многомерная бедность, пространственная эконометрика, машинное обучение, большие данные, социальная политика, субъекты РФ.