DSA Faculty
API
← к списку преподавателей

Сиротин Вячеслав Павлович

Факультет экономических наук

Профиль на hse.ru ↗ тел.: +7 (495) 772-95-90 | 27643
Публикаций
97
Языков
1
Наград
17
Конференций
0
Профиль Публикации (97) Курсы (8)

Профессиональные интересы

Эконометрическое моделирование социально-экономических процессовприкладная статистика83.03.51 Прикладная математическая статистика83.37.16 Статистика республик, регионов, краев, областей и городов в составе Российской Федерации05.21.00 Статистика населения83.29.09 Статистика научно-технического прогресса

Должности

  • Заместитель руководителя департамента — Факультет экономических наук, Департамент статистики и анализа данных
  • Профессор — Факультет экономических наук, Департамент статистики и анализа данных
  • Заведующий лабораторией — Факультет экономических наук, Научно-учебная лаборатория измерения благосостояния
  • Академический руководитель образовательной программы — Экономика и статистика

Био

  • · Начал работать в НИУ ВШЭ в 2008 году.
  • · Научно-педагогический стаж: 36 лет.

Образование

  • 1993 · Ученое звание: Доцент
  • 1990 · Кандидат наук
  • 1990 · Аспирантура: Военная инженерная радиотехническая академия ПВО им. Говорова Л.А.,
  • 1981 · Специалитет: Киевское высшее инженерное радиотехническое училище противовоздушной обороны, специальность «Радиотехнические средства», квалификация «Радиоинженер»

Опыт работы

  • · 1981-2001: Военная служба, преподавание и руководство кафедрой в Военном университете ПВО
  • · 2001-2008: профессор, Московский государственный университет экономики, статистики и информатики (МЭСИ)
  • · профессор, Национальный исследовательский университет экономики, статистики и информатики, 2008-

Награды и поощрения

  • · Благодарность проректора НИУ ВШЭ (октябрь 2024)
  • · Благодарность первого проректора НИУ ВШЭ (декабрь 2023)
  • · Медаль "Признание - 15 лет успешной работы" НИУ ВШЭ (декабрь 2023)
  • · Благодарность первого проректора НИУ ВШЭ (ноябрь 2022)
  • · Благодарность Научно-учебной лаборатории измерения благосостояния НИУ ВШЭ (декабрь 2021)
  • · Благодарственное письмо проректора НИУ ВШЭ (ноябрь 2021)
  • · Благодарственное письмо ректора НИУ ВШЭ (ноябрь 2020)
  • · Благодарность проректора НИУ ВШЭ (июнь 2020)
  • · Медаль "Признание - 10 лет успешной работы" НИУ ВШЭ (январь 2020)
  • · Нагрудный знак "Отличник статистики" (ноябрь 2014)
  • · Благодарность Высшей школы экономики (июль 2014)
  • · Юбилейная медаль "70 лет Вооруженных Сил СССР" (февраль 1988)
  • · Надбавка за академическую работу (2017–2018, 2016–2017, 2015–2016, 2014–2015, 2013–2014, 2012–2013, 2011–2012, 2010–2011, 2009–2010)
  • · Лучший академический руководитель в номинации «Прием иностранных студентов» — 2023–2024
  • · Лучший академический руководитель в номинации «Удовлетворенность студентов качеством образовательной программы» — 2024
  • · Лучший академический руководитель в номинации «Цифровые навыки студентов» — 2023
  • · Лучший академический руководитель в номинации «Межфакультетское взаимодействие» — 2023

Гранты и проекты

  • — · · РНФ № 22-28-20360 «Трансформация образа жизни людей в цифровой среде современного мегаполиса»
  • — · РФФИ №18-010-00564 "Современные тенденции и социально-экономические последствия развития цифровых технологий в России"
  • — · · РФФИ №18-010-00960 "Механизмы развития малого и среднего предпринимательства в обрабатывающих производствах в целях ускорения процессов импортозамещения и перехода к инновационной экономике в России"
  • 2017 · · РГНФ №16-02-00561а "Инновационная деятельность в современной России: тенденции развития и влияние на уровень жизни населения" – 2016-2017 гг.
  • 2016 · · РГНФ №16-02-00716а "Активизация участия малых и средних предприятий в инновационном развитии экономики России" – 2016 г.
  • — · Гранты на поддержку участия сотрудников, аспирантов, студентов НИУ ВШЭ в научных мероприятиях
  • — · 10-02-0064 IX Германская Конференция по Вероятности и Статистике (GOCPS 2010)
  • — · 11-02-0762 IAMOT 2012 The 21th International Conference on Management of Technology "Managing Technology-Service Convergences in the Post-Industrialized Society"
  • — · 12-02-2435 23rd International Management of Technology Annual Conference 2014 Science, Technology, and Innovation in the Age of Economic, Political and Security Challenges.

Идентификаторы исследователя

Публикации (97)

АНАЛИЗ ДАННЫХ. Учебник для академического бакалавриата

2018 · BOOK · ru

Роль методов анализа данных в нашей жизни весьма значительна. Люди, часто не задумываясь и не осознавая, постоянно их используют в повседневной практике. Анализ данных пронизывает все аспекты современной жизни, служит основой для многих решений в предпринимательской и общественной деятельности, информируют о тенденциях и факторах, которые влияют на нашу жизнь. Анализ данных как научная дисциплина в системе прикладной статистики разрабатывает и систематизирует понятия, приемы, математические методы и модели, предназначенные для организации отбора из исследуемой совокупности подлежащих обследованию единиц, их стандартной записи, систематизации и обработке с целью их удобного представления и интерпретации, получения научных и практических выводов. В настоящем учебнике анализ данных рассматривается как дисциплина, основанная на статистических методах и вычислительных алгоритмах, позволяющих извлекать знания из результатов наблюдений.

Роль дополнительного профессионального образования при формировании профессиональных траекторий

2018 · CHAPTER · ru

Монография посвящена анализу состояния и тенденциям развития российских университетов. В первом разделе рассмотрены общие проблемы развития российских университетов, во втором — управление изменениями управленческого и педагогического потенциала высшей школы, в третьем — изменения в студенческой среде университетов. Книга адресована специалистам, исследующим проблемы рынка труда и рынка образовательных услуг, а также предcтавит интерес для магистрантов, аспирантов и докторантов вузов и научно-исследовательских институтов.

DOI ↗ PDF ↗

Управление изменениями в современных компаниях

2018 · BOOK · ru

Монография посвящена анализу тенденций и технологиям управления инновационным развитием современных компаний. Особое внимание уделяется влиянию на деятельность компаний происходящих перемен. Книга адресована специалистам, исследующим технологии управления изменениями в современных компаниях, а также представит интерес для магистрантов и аспирантов высших учебных заведений.

DOI ↗

Современные тенденции технологического партнерства в России

2018 · CHAPTER · ru

Рассмотрены различные формы сотрудничества компаний в области создания и использования новых технологий. Исследована кооперационная активность по видам экономической деяьельности и по группам предприятий в современной России.

DOI ↗

Методологические аспекты анализа карьерных траекторий на российском рынке труда

2018 · ARTICLE · ru

В статье анализируются эффекты участия российских работников в программах дополнительного профессионального образования (ДПО). Предлагается подход, альтернативный существующим методикам, позволяющий исследовать влияние участия в программа ДПО не только на величину заработной платы, но и на формирование всей профессиональной траектории. Исследование базируется на данных Российского мониторинга экономического положения и здоровья населения НИУ ВШЭ[1] за период 2006-2016 гг. На основе этих данных сформированы две выборки: выборка людей, которые имеют опыт участия в программах ДПО, а также контрольная группа людей, не имеющих такого опыта. Проводится сравнение карьерных траекторий в двух группах. При этом прямое сопоставление двух групп может приводит к смещению получаемых результатов. Для устранения смещения предлагается использовать алгоритм псевдорандомизации при формировании контрольной группы, который позволяет сбалансировать склонность к участию в программах ДПО в двух рассматриваемых группах. Две сформированные выборки работников сравниваются на основе методов анализа последовательностей, позволяющих проанализировать динамику распределения индивидов по состояниям, а также оценить уровень разнообразия карьерных траекторий на основе индексов концентрации. Результаты исследования свидетельствуют о том, что работники, участвовавшие в программах ДПО, имеют более разнообразные карьерные траектории, характеризующиеся большей интенсивностью как горизонтальной, так и вертикальной мобильности. Данный вывод подтверждают тезис о том, что дополнительное профессиональное образование обеспечивает дополнительную гибкость индивидов в построении их профессиональной карьеры. [1] Российский мониторинг экономического положения и здоровья населения НИУ-ВШЭ (RLMS-HSE)», проводимый Национальным исследовательским университетом - Высшей школой экономики и OOО «Демоскоп» при участии Центра народонаселения Университета Северной Каролины в Чапел Хилле и Института социологии РАН. (Сайты обследования RLMS-HSE: http://www.hse.ru/rlms, http://www.cpc.unc.edu/projects/rlms)

PDF ↗

Разработка композитного индикатора для измерения величины и динамики цифрового неравенства в России

2018 · ARTICLE · ru

Авторами предпринята попытка обосновать методологию построения композитного индикатора для измерения величины и динамических характеристик цифрового неравенства в России. Во введении аргументируется положение, в соответствии с которым трендом современного развития ведущих стран мира стал курс на формирование цифровой экономики и развитие социально-экономических отношений на основе цифровых взаимодействий. В этой связи подчеркивается актуальность принятие «Стратегия развития информационного общества в Российской Федерации на 2017-2030 годы» и программы «Цифровая экономика Российской Федерации», так как в условиях достаточно заметной социально-экономической дифференциации существует риск возникновения эффекта «цифрового разрыва» российских регионов, что создаст дополнительные трудности для их развития. После краткого исторического экскурса по этапам научно-технологического развития последних десятилетий, связанного с цифровой экономикой, и отражения этого процесса в научно-профессиональной литературе и государственных программах ряда стран рассматривается вопрос об особенностях эволюции и трудностях реализации в России таких программ, как например, Общегосударственная программа информатизации общества. Предложенный Институтом развития информационного общества сводный Индекс готовности регионов России к информационному обществу обладает рядом недостатков, что препятствует его непосредственному использованию для оценки цифрового неравенства и сопоставления регионов России по уровню информатизации в динамике. В статье рассмотрена возможность реализации авторской идеи о модернизированном сводном индикаторе, который способен не только измерить развитие информационного общества и информационно-коммуникационные технологии (ИКТ) в целом, но и цифровое межрегиональное неравенство, когда учитываются возможности населения регионов к использованию ИКТ с учетом технологических факторов.

PDF ↗

Детерминанты цифрового развития субъектов РФ

2018 · CHAPTER · ru

Целью работы является выявление факторов, оказывающих статистически значимое влияние на уровень цифрового развития субъектов Российской федерации. Для решения поставленной задачи была сформирована сбалансированная панель данных за пятилетний период с 2011 по 2015 гг., включающая 81 субъект РФ, общее число наблюдений за пять лет составило 405. Выбор регрессии на панельных данных обусловлен необходимостью учета при моделировании широкого круга ненаблюдаемых или неизмеримых количественно индивидуальных характеристик субъектов РФ, среди которых такие, как, например, географическое положение, политическая среда, культурные и другие. Так же панельные данные, совмещая в себе временные и пространственные данные, предоставляют большее количество наблюдений, благодаря чему снижается коллинеарность предикторов и повышается эффективность оценок. В результате проведения анализа были определены ключевые переменные, оказывающие влияние на Индекс доступности ИКТ в субъектах РФ. К нетипичным результатам относится тот факт, что доля населения в возрасте 65 лет и выше связана с индексом положительно. Объяснение может заключаться в том, что переменная выступает как прокси для определения качества жизни в регионе, больший процент пожилого населения особенно в старших возрастах свидетельствует о благополучии региона, о качестве развития здравоохранения и успешном функционировании социально-экономических институтов.

PDF ↗

Index Construction Methodology Using Training Sample Based on Pairwise Comparisons

2018 · CHAPTER · en

Most of index construction techniques combine measured features presenting different components of the index. To obtain the correct weights of the features is a matter of great importance. Widely used principal component analysis allows us to do without training sample. It settles the weight of the feature according to its variability. But this method works only with correlated features. Indicators with more or less independent components need either expert-defined weights or a training sample. We propose construction of such a sample on the base of the direct index estimation by experts. To prevent considerable bias it is reasonable to use an expert panel and convert processed information of all the experts into the training sample. Though the sense of the index is considered to be clear for the experts and the objects in the sample are also well known for them, the experts can give information about the index value for each object in qualitative rather than quantitative form even if they are asked to present it in numerical scale. That is why we propose using pairwise comparisons instead, and the number of objects involved of about a dozen or some more looks reasonable. While elements of the pairwise comparisons matrix are assigned in expert-friendly Likert scale, the eigenvector of this matrix as well as the results of its future processing with corresponding estimations of other experts is a source of data in quasi-numerical scale. We present the results of application our methodology for alternative assessing of some widely used indices.

PDF ↗

Capitalization of Professional Knowledge in Economies with Different Level of Innovation Development

2017 · CHAPTER · en

This paper is focused on the problem of aggregate return to education. We consider this factor as an indicator of the professional knowledge capitalization that can be used as a proxy for human capital stock in extended Cobb-Douglas type equation for modeling the economic growth. Identification of the indicator is based on time-series data on countries and regional economies. To divide the objects into groups with respect to the aggregate return to education, we employ the fuzzy classification methodology instead of the traditional clustering procedure. This approach provides more relevant dividing the whole sample into three homogeneous groups. The first group includes the economies with low level of innovation development. These economies have close to zero or negative rate of return to education. The second group is most numerous. It mostly consists of developed economies with moderate aggregate rate of return to education. The third group includes objects with high return to education. It turned out that they are predominantly emerging economies developing on the base of new technologies. Such a typology provides the opportunities to make some suggestions concerning the relation between innovation development and quality of human capital stock. In particular, high rate of return to education in emerging economies we explain by the excess demand on high-qualified staff on the labor market that cannot be fully satisfied by existing educational system in the economies with higher level of innovation potential. Conversely, in developed economies, educational system meets the demand of the labor market, so the aggregate return to education is not so high. So it is necessary to be more specific about the structure of educational system for preparing high qualified staff for the most promising directions of innovation development. Comprehensive research of the considered problem at the regional level requires more elaborated data sources.

PDF ↗

Отдача от образования в России и на Украине: сравнительный анализ

2017 · ARTICLE · ru

Статья посвящена анализу отдачи от образования как показателя доходности инвестиций в человеческий капитал. Исследование базируется на оценивании модифицированных уравнений Минцера с использованием квантильных регрессий по панельным данным. Предложенный подход дополняется моделями совместного распределения заработной платы и продолжительности образования на основе копулярных функций. Используемая в работе методология позволяет сравнить значимость включенных в модель факторов при формировании заработной платы, исследовать структуру зависимости между заработной платой и образованием, а также ответить на вопрос, в какой из двух стран после более чем десяти лет независимого развития наблюдалась более высокая отдача от образования.

PDF ↗

Курсы (8)