Создать PDF Рекомендовать Распечатать

Исследование различий социально-экономического развития субъектов Российской Федерации методами многомерного анализа данных на 2017 год

Математические и инструментальные методы экономики | (112) УЭкС, 6/2018 Прочитано: 1573 раз
(0 Голосов:)
  • Автор (авторы):
    Алексей Юрьевич Юдинцев, Трошкина Галина Николаевна
  • Дата публикации:
    09.06.18
  • ВУЗ ИЛИ ОРГАНИЗАЦИЯ:
    Алтайский государственный университет

Исследование различий социально-экономического развития субъектов Российской Федерации методами многомерного анализа данных на 2017 год

The study of differences in socio-economic development of constituent entities of the Russian Federation by methods of multivariate data analysis for 2017

Алексей Юрьевич Юдинцев

Aleksey Yurievich Yudintsev

к.ф.-м.н., доцент

Алтайский государственный университет

a_yudintsev@mail.ru

Трошкина Галина Николаевна

Galina Nikolaevna Troshkina

к.т.н., доцент

Алтайский государственный университет

g_troshkina@mail.ru

Аннотация

Статья посвящена анализу определения социально-экономических различий субъектов Российской Федерации. На основе данных статистического бюллетеня «Информация для ведения мониторинга социально-экономического положения субъектов Российской Федерации в январе – декабре 2017 года» Федеральной службы государственной статистики, характеризующих экономическое и социальное положение регионов, проведено исследование степени различий социально-экономического развития с использованием методов многомерного статистического анализа. Определены расположение, состав, статистические характеристики кластеров, степени схожести и различия субъектов РФ.

Abstract

The article is devoted to the analysis of determining socio-economic differences constituent entities of the Russian Federation. The authors have conducted comprehensive research of the degree of socio-economic development difference using multidimensional analysis methods based on the data of the Federal State Statistics Service. The authors define the location, composition, statistical characteristics of clusters, the degree of similarity and dissimilarity between the constituent entities of the Russian Federation.

Ключевые слова: социально-экономическое развитие регионов, межрегиональная дифференциация, кластерный анализ, факторный анализ, многомерный статистический анализ

Keywords: regional socio-economic development, socio-economic disparities in regional development, interregional differentiation, cluster analysis, factor analysis, multidimensional statistical analysis

В работе рассматривается проблема определения социально-экономической дифференциации субъектов Российской Федерации по состоянию на 2017 год на основе данных Федеральной службы государственной статистики. В результате факторного анализа первоначального массива данных было сформировано двухмерное факторное пространство, проведена содержательная интерпретация величин факторов и положения субъектов в факторном пространстве. Далее, методом k-средних проведена кластеризация, сформированы восемь кластеров, определены состав, положение и размеры кластеров в факторном пространстве. Определены группы субъектов Российской Федерации со схожими параметрами социально-экономического развития.

Оценка уровня социально-экономического развития субъектов РФ, как и проблема регионального развития в целом, несомненно, являются актуальными и сложными задачами региональной экономики [1]. Проблеме выравнивания межрегиональных различий в инвестиционной сфере посвящена работа [2]. Проблема пространственного развития Российской Федерации, политика сглаживания пространственной поляризации и политика поляризованного развития, их достоинства и недостатки, инструменты, способствующие сокращению межрегиональной дифференциации рассмотрены в [3]. Методика оценки социальных различий в Российской Федерации на основе заданной иерархической структуры с выраженной демографической и социальной спецификой рассмотрена в [4]. Опыт применения методов многомерного статистического анализа для оценки уровней социально-экономического развития регионов Российской Федерации приведен в [5]. В [6] с использованием методов факторного и кластерного анализа проведено исследование степени различия социально-экономического развития субъектов Сибирского федерального округа, а в работе [7] выполнено аналогичное исследование для регионов Российской Федерации по состоянию на 2014 год.

В настоящей работе изложены результаты исследования степени различия и схожести уровня социально-экономического развития субъектов Российской Федерации на конец 2017 года методами многомерного анализа данных на основе данных статистического бюллетеня «Информация для ведения мониторинга социально-экономического положения субъектов Российской Федерации в январе – декабре 2017 года» Федеральной службы государственной статистики [8].

Для анализа социально-экономического положения субъектов РФ были выбраны следующие показатели за 2017 г.: V1 – среднемесячная номинальная начисленная заработная плата работников (руб.) за период январь-ноябрь 2017 г., V2 – среднедушевые денежные доходы населения (руб.) в среднем за период январь-ноябрь 2017 г., V3 – численность рабочей силы (тыс. чел.) в среднем за период октябрь-декабрь 2017 г., V4 – численность безработных (тыс. чел.) в среднем за период октябрь-декабрь 2017 г., V5 – объем инвестиций в основной капитал (млн. руб.) за январь-сентябрь 2017, V6 – оборот розничной торговли (млн. руб.) за 2017 г., V7 – объем работ, выполненных по виду деятельности «Строительство» (млн. руб.) за 2017 г.

В результате выполнения процедуры стандартизации [10] осуществлен переход к новым, стандартизованным переменным: X1 – X7, которые представляют собой отклонения исходных значений от средних величин каждой выборки, деленных на стандартное отклонение. Таким образом, все нормализованные переменные будут безразмерными, иметь нулевое среднее значение и единичное стандартное отклонение. Значения стандартизованных переменных приведены в таблице 1.

Таблица 1 – Стандартизованные значения подпространства социально- экономического развития субъектов РФ

yu1

 

yu2

yu3

 

В качестве меры схожести использовалось евклидово расстояние в пространстве нормализованных переменных. Для понижения размерности пространства социально-экономических параметров к массиву данных (таблица 1) был применен факторный анализ. В результате использования метода главных компонент с вращением по алгоритму "Varimax" сформировались два фактора: F1 и F2. Состав и факторные нагрузки факторов приведены в таблице 2, полужирным выделены значимые значения нагрузок, большие 0,7.

Таблица 2 – Факторные нагрузки

yu4

Фактор F1 определяется в основном значениями: численность экономически активного населения (X3), численностью безработных (X4), объемом инвестиций в основной капитал (X5), оборотом розничной торговли (X6) и объемом работ, выполненных по виду деятельности «Строительство» (X7). В фактор F2 включаются среднедушевые показатели по номинальной начисленной заработной плате работников (X1) и среднедушевые денежные доходы населения (X2). Задача содержательной интерпретации состава факторов является достаточно сложной и достойна отдельного исследования, но в данном случае второй фактор поддается интерпретации достаточно просто. Чем больше у рассматриваемого региона значение фактора F2 в факторном пространстве, тем больше величина среднедушевых зарплаты и доходов населения. Относительно первого фактора также можно сделать некоторые качественные выводы, чем больше значение фактора F1, тем выше уровень социально-экономического развития региона.

Таким образом, размерность исходного пространства показателей сократилась с семи до двух. Положения субъектов РФ в факторном пространстве приведены в таблице 3.

Таблица 3 – Положения субъектов РФ в факторном пространстве

yu5

Для выделения степени дифференциации субъектов и степени схожести уровня социально-экономического развития субъектов РФ в факторном пространстве (таблица 3) был проведен кластерный анализа методом k-средних для k=8. В результате сформировались кластеры следующего состава:

С1{Респ. Крым, Волгоградская о., Чеченская Респ., Ставропольский к., Пермский к., Нижегородская о., Самарская о., Саратовская о., Алтайский к., Красноярский к., Иркутская о., Кемеровская о., Новосибирская о., Омская о.},

С2 {Белгородская о., Владимирская о., Воронежская о., Тульская о., Ярославская о., Вологодская о., Ленинградская о., Удмуртская Респ., Оренбургская о., Забайкальский к., Приморский к.},

C3 {Респ. Коми, Архангельская о., Мурманская о., Респ. Саха (Якутия), Хабаровский к., Амурская о.},

C4 {Брянская о., Калужская о., Костромская о., Курская о., Липецкая о., Орловская о., Рязанская о., Смоленская о., Тамбовская о., Тверская о., Респ. Карелия, Калининградская о., Новгородская о., Респ. Адыгея, г. Севастополь, Респ. Бурятия, Респ. Хакасия, Томская о., Еврейская а.о.},

C5 {Камчатский к., Магаданская о., Сахалинская о., Чукотский а.о.},

С6 {Краснодарский к., Ростовская о., Респ. Дагестан, Респ. Башкортостан, Респ. Татарстан, Свердловская о., Челябинская о.},

C7 {Ивановская о., Псковская о., Респ. Калмыкия, Астраханская о., Респ. Ингушетия, Кабардино-Балкарская Респ., Карачаево-Черкесская Респ., Респ. Северная Осетия - Алания, Респ. Марий Эл, Респ. Мордовия, Чувашская Респ., Кировская о., Пензенская о., Ульяновская о., Курганская о., Респ. Алтай, Респ. Тыва}.

C8 {Московская о., г. Москва, г. Санкт-Петербург, Тюменская о.}.

Наиболее важные статистические характеристики кластеров: координаты центров, стандартные отклонения приведены в таблице 4.

Таблица 4 – Координаты центров кластеров (F1, F2) и соответствующие стандартные отклонения (SF1, SF2)

yu6

Координаты центра кластера определяют некоторые средние характеристики социально-экономического развития в группе субъектов, входящих в соответствующий кластер. Расстояние от центра кластера в факторном пространстве можно использовать в качестве агрегированного показателя степени различия социально-экономического развития данного субъекта от средних показателей по кластеру. Размер кластера или его стандартное отклонение в факторном пространстве может быть интерпретирован как агрегированный показатель степени дифференциации уровня социально-экономического развития внутри кластера. В качестве меры размера кластера можно использовать величины стандартных отклонений факторов F1 и F2. В случае возможности интерпретации величины факторов, если можно определенно сказать про положительный или отрицательный вклад в уровень социально-экономического развития субъекта или кластера в целом роста величины данного фактора, тогда интерпретации поддается и пространственное расположение в факторном пространстве субъекта или кластера в целом.

На рисунках 1-2 приведено расположение субъектов РФ в факторном пространстве.

yu7     

    Рисунок 1. Положение субъектов РФ в факторном пространстве

На рисунке 1 приведена общая картина распределения субъектов РФ в факторном пространстве. Чем выше расположен субъект на факторной плоскости (F1, F2), тем выше средний уровень доходов населения, чем правее расположен субъект – тем выше общий уровень социально-экономического развития. К кластерам с наиболее высокими уровнями доходов населения можно отнести С3, С5 и С8, более низкий уровень доходов наблюдается у субъектов, входящих в кластеры: С1, С6 и С7. К кластерам с низким уровнем социально-экономического развития можно отнести: С3, С4, C5, C7, с высоким – С6, С8. Более детализированная картина распределения субъектов в факторном пространстве со средним уровнем социально-экономического развития приведена на рисунке 2.

yu8

Рисунок 2. Область факторного пространства с кластерами C1, C2, C3, C4, C7

В работе проведено исследование степени различия в уровне социально-экономического развития субъектов Российской Федерации по состоянию на 2017 год. Методами многомерного анализа данных сформированы кластеры субъектов в факторном пространстве. Предложенная методика определения степени дифференциации в уровне социально-экономического развития субъектов в пределах кластера и кластеров в целом может быть использована для определения стратегии развития субъектов РФ на региональном и федеральном уровне.

Библиографический список

  1. Троцковский А.Я., Щетинин М.П. Концептуальные основы регулирования территориального развития на мезоуровне // Известия Алтайского государственного университета. – 2010. – № 2-2.
  2. Шваков Е.Е. Особенности формирования и содержание инвестиционной политики в различных субъектах Российской Федерации // Региональная экономика: теория и практика. – 2014. – № 4.
  3. Вдовкина Е.Г., Мамченко О.П. Об ускоренном внедрении и эффективном использовании информационных технологий как инструмента сглаживания пространственной поляризации // Известия Алтайского государственного университета. – 2012. – № 2-1.
  4. Зубаревич Н.В. Социальная дифференциация регионов и городов России. [Электронный ресурс]. – URL: http://gtmarket.ru/laboratory/expertize/5278.
  5. Латышева М.А. Статистическое исследование дифференциации российских регионов по уровню социально-экономического развития // Вестник Волгоградского университета. Серия 3: Экономика. Экология. – 2010. – № 1.
  6. Псарев В.И., Юдинцев А.Ю., Трошкина Г.Н. Исследование социально-экономических различий субъектов Сибирского федерального округа методом кластерного анализа// Известия Алтайского государственного университета. 2015. Т. 1. № 2 (86).
  7. Псарев В.И., Трошкина Г.Н., Юдинцев А.Ю., Останин С.А. Исследование различий социально-экономического развития субъектов Российской Федерации методами многомерного анализа данных / Ломоносовские чтения на Алтае // Сборник научных статей международной конференции Ломоносовские чтения на Алтае: фундаментальные проблемы науки и образования, Барнаул, 20-24 октября, 2015. – Барнаул: Изд-во Алт. ун-та, 2015. 
  8. Социально-экономический мониторинг субъектов РФ Сибирского федерального округа за 2014 год: Стат. бюл. / Территориальный орган Федеральной службы государственной статистики по Алтайскому краю. – Барнаул, 2015.
  9. Информация для ведения мониторинга социально-экономического положения субъектов Российской Федерации в январе – декабре 2017 года Федеральной службы государственной статистики. [Электронный ресурс]. http://www.gks.ru/wps/wcm/connect/rosstat_main/%20rosstat/ru/statistics/publications/catalog/doc_1246601078438">URL:http://www.gks.ru/wps/wcm/connect/rosstat_main/ rosstat/ru/statistics/publications/catalog/doc_ 1246601078438.
  10. Дюран Б. Кластерный анализ. – М., 2012.

Bibliography

  1. A.Ja. Trotskovsky, M.P. Schetinin. Conceptual Foundations of Regulation of Territorial Development on the Middle Level // The News of Altai State University. – 2010. – № 2-2.
  2. Shvakov E. E. Features of formation and content of investment policy in various subjects of the Russian Federation // Regional economy: theory and practice. – 2014. – № 4.
  3. E.G. Vdovkina, O.P. Mamchenko. On Accelerated Implementation and Efficient Employment of Information Technologies as an Instrument of Spatial Polarization Smoothing // The News of Altai State University. – 2012. – № 2-1.
  4. Zubarevich N. B. Social differentiation of regions and cities of Russia. [Electronic resource] – URL: http://gtmarket.ru/laboratory/expertize/5278.
  5. Latysheva M. A. A statistical study of Russian regions differentiation in terms of socio-economic development // Bulletin of the Volgogard University. Series 3: Economy. Ecology. – 2010. – № 1.
  6. V.I. Psarev, A.Yu. Yudintsev, G.N. Troshkina. The Research of Socio-Economic Differences of the Siberian Federal District by a Cluster Analysis Method// The News of Altai State University. 2015. Т. 1. № 2 (86).
  7. V.I. Psarev, A.Yu. Yudintsev, G.N. Troshkina, Ostanin S. A. Investigation of differences in socio-economic development of constituent entities of the Russian Federation by methods of multidimensional data analysis // Lomonosov’s Readings in Altai: Fundamental Problems of Science and Education. Barnaul, 20-24 Oktober, 2015. – Barnaul: ASU, 2015.
  8. Social and economic monitoring of the Russian Federation subjects of the Siberian Federal district for 2014: Stat. bul. / Territorial body of the Federal state statistics service for the Altai territory. – Барнаул, 2015.
  9. Information for monitoring the socio-economic situation of the Russian Federation subjects in January-December 2017 of the Federal state statistics service. [Electronic resource]. URL:http://www.gks.ru/wps/wcm/connect/rosstat_main/ rosstat/ru/statistics/publications/catalog/doc_1246601078438.
  10. Duran B. Cluster analysis. – М., 2012.