О применении многомерных статистических процедур в анализе перспектив сотрудничества ЕАЭС и АСЕАН

В настоящем исследовании обсуждаются результаты использования многомерных статистических процедур в анализе перспектив развития и состояния региональной интеграции стран Ассоциации государств Юго-Восточной Азии (АСЕАН) и стран Евразийского экономического союза (ЕАЭС) в горизонте 2030 г.
Цель. Определить перспективы развития и эффективность региональных организаций, АСЕАН и ЕАЭС, по состоянию на 2030 г.
Задачи. Выявить текущую тенденцию развития процессов регионального сотрудничества и интеграции стран АСЕАН и стран ЕАЭС, определить и спрогнозировать состояние процессов регионального сотрудничества и интеграции обсуждаемых региональных объединений в контексте предлагаемых Евразийским банком развития типов и сценариев развития региональных организаций.
Методология. В исследовании были использованы работы Евразийского банка развития, База данных региональной интеграции (БДРИ), открытые данные Всемирного банка, данные статистического портала АСЕАН. Методология исследования основывалась на том предположении, что на основе многомерных статистических процедур можно установить отличающееся во времени положение региональной организации в ее сравнительно однородной группе. Группа (кластер) бралась (брался) в соответствии с типологией, представленной Центром интеграционных исследований Евразийского Банка Развития. Построение моделей временных рядов осуществлялось в соответствии с ARIMA-методологией.
Результаты. С помощью кластерного анализа были определены сходства и различия в отношении расстояния исследуемого объекта до центра однородной ему эталонной группы. Таким образом, удалось установить отличающееся во времени положение региональных международных организаций, АСЕАН и ЕАЭС, в их сравнительно однородной группе. Кроме того, процессы регионального сотрудничества и интеграции являются нелинейным и неоднонаправленным процессом, сопровождаемым как конвергенцией, так и дивергенцией.
Выводы. В отношении АСЕАН установлена возможность снижения ее эффективности в качестве региональной организации в перспективе 2030 г., такое положение объясняется реализацией политики хеджирования ключевыми акторами региона в контексте разрастающейся конкуренции США и КНР.
В отношении ЕАЭС установлено, что организация в горизонте 2030 г. обладает значительными возможностями по своему развитию в качестве активной организации на постсоветском пространстве. Однако такая перспектива будет зависеть от своевременных и соответствующих вызовам и угрозам санкционного давления действий Российской Федерации.

1. Вартанова М. Л. Оценка эффективности роста экономик стран — участниц Евразийского экономического союза в условиях интеграции // Вестник Академии знаний. 2020. № 39. С. 119–125. DOI: 10.24411/2304-6139-2020-10450.

2. Кузьмина Т. И., Савина Н. П. Методологический подход к оценке эффективности экономической интеграции стран — членов СНГ // Вестник РГГУ. Серия: Экономика. Управление. Право. 2019. № 4. С. 78–91. DOI: 10.28995/2073-6304-2019-4-78-91.

3. Ларионова М. В. Новый подход к оценке эффективности международных институтов // Вестник международных организаций. 2016. № 11. С. 126–152.

4. Центр интеграционных исследований ЕАБР Региональные организации: типы и логика развития / под. ред. Винокурова Е. Ю. СПб. : ЦИИ ЕАБР, 2016. 86 с.

5. Asian Economic Integration Report 2022. Advancing Digital Services Trade in Asia and the Pacific. February 2022 [Электронный ресурс] // Asian Development Bank (ADB). URL: https://aric.adb.org/pdf/aeir/AEIR2022_complete.pdf (дата обращения: 18.03.2022).

6. Box G. E. P., Jenkins G. M. Time series analysis: Forecasting and control. San Francisco : Holden-Day, 1970. P. 553.

7. Box G. E. P., Jenkins G. M., Reinsel G. C. [et al.] Introduction to Time Series and Forecasting. New Jersey : John Wiley & Sons, Inc., Hoboken, 2016. P. 709.

8. Brockwell P. J., Davis R. A. Introduction to Time Series and Forecasting. New York : Springer, 2002. P. 449.

9. Indicator-Based Monitoring of Regional Economic Integration / ed. by Philippe De Lombaerde, Edgar J. Saucedo Acosta. Springer Cham, 2017. P. 360. https://doi.org/10.1007/978-3-319-50860-3

10. Trebuňa P., Halčinová J. Mathematical Tools of Cluster Analysis [Электронный ресурс] // Scientific Research. 2013. P. 814–816. URL: https://www.scirp.org/pdf/AM_2013052016333796.pdf (дата обращения: 18.03.2022).