В статье рассматривается применение метода кластерной регрессии для факторного анализа экспорта Иркутской области в условиях структурных сдвигов. Предметом исследования выступают факторы и структурные особенности экспорта Иркутской области. Цель работы — разработка и апробация методики факторного анализа регионального экспорта на основе кластерной сегментации временных данных. Информационную базу составили официальные статистические показатели за 2004–2024 гг. Методологически исследование опирается на аппарат кластерной регрессии, позволяющий идентифицировать периоды качественно различных режимов функционирования экономики. В результате получены две регрессионные модели, соответствующие кластерам «периоды сырьевого бума» и «периоды турбулентности», что подтверждает наличие структурных сдвигов. Выявлено, что в условиях высокой сырьевой конъюнктуры проявляется эффект отрицательного влияния цен на нефть на обрабатывающие производства, тогда как в кризисные периоды ключевым драйвером экспорта выступает лесопромышленный комплекс. Высокая точность построенных моделей (ошибка аппроксимации 2,13%) подтверждает эффективность предложенного подхода. Результаты могут быть использованы при прогнозировании экспортных потоков и корректировке региональной политики с целью диверсификации экономики.
The article examines the application of the cluster regression method for factor analysis of exports from the Irkutsk Region under conditions of structural shifts. The subject of the study is the factors and structural features of exports from the Irkutsk Region. The aim of the work is to develop and test a methodology for factor analysis of regional exports based on cluster segmentation of time‑series data. The information base consists of official statistical indicators for the period 2004–2024. Methodologically, the study relies on the cluster regression framework, which allows identifying periods of qualitatively different economic functioning regimes. As a result, two regression models have been obtained, corresponding to the clusters “commodity boom periods” and “turbulence periods”, which confirms the presence of structural shifts. It has been revealed that under conditions of high commodity market conditions, the “resource curse” effect manifests itself (a negative impact of oil prices on manufacturing industries), whereas during crisis periods, the timber industry complex acts as the key export driver. The high accuracy of the constructed models (approximation error of 2,13%) confirms the effectiveness of the proposed approach. The results can be used for forecasting export flows and adjusting regional policy with the aim of economic diversification.