2. Используемые данные и расчетные показатели

В исследовании использованы данные Госкомстата России, опубликованные в статистических сборниках Госкомстата по республикам Чувашия (1995-2000 гг.) и Марий-Эл (2000 г.), Томской (1995-2000 гг.) и Пермской областях (1998-2000 гг.). Данные регионы были отобраны по результатам предварительного анализа доступных статистических данных в разрезе муниципальных образований, проведенного в 10 регионах России. Именно в указанных четырех субъектах удалось собрать наиболее полную и сопоставимую между собой (по набору параметров, формам представления данных) статистическую информацию. Строго говоря, для целей исследования такой подход к выбору регионов не является оптимальным. Более предпочтительным был бы сознательный выбор регионов, наблюдаемые результирующие показатели экономического развития которых значительно различаются как по абсолютным значениям, так и в динамике. В этом случае можно было бы провести анализ влияния межмуниципального неравенства на суммарный показатель развития по группам регионов, выделив отдельно промышленно развитые и аграрные территории, области с различным административно-территориальным устройством, или сгруппировав регионы по другим интересующим исследователя признакам. Однако на первой стадии исследования мы исходим из доступности информации, рассчитывая заинтересовать субъекты Российской Федерации и ведомства подобного рода исследованиями и продолжить в перспективе работу с участием заинтересованных регионов и на основе их статистических данных. Ниже представлены краткие сведения о рассматриваемых в докладе регионах.

• Республика Марий Эл.

В структуре валового регионального продукта в 2000 г. промышленность составляла 28,4%, сельское хозяйство - 19,5, строительство - 5,7, транспорт - 2,8, торговля и коммерческая деятельность по реализации товаров и услуг - 8,9%. Промышленность республики специализируется на машиностроении и металлообработке. Развиты пищевая промышленность, электроэнергетика, лесная, деревообрабатывающая и целлюлозно-бумажная промышленность. В сельском хозяйстве ведущее место занимает земледелие (производство зерна, выращивание овощей, картофеля, льна-долгунца); развиты животноводство, которое имеет молочно-мясное направление, птицеводство.

• Республика Чувашия

В структуре валового регионального продукта в 2000 г. промышленность составляла 31,2%, сельское хозяйство - 18,6, строительство - 8,8, транспорт - 2,9, торговля и коммерческая деятельность по реализации товаров и услуг - 10,4%. Основные отрасли промышленности: машиностроение и металлообработка, пищевая, электроэнергетика, химическая и нефтехимическая. В сельском хозяйстве преобладает мясо-молочное животноводство, развиваются птицеводство и производство зерна, хмеля, картофеля.

• Томская область.

В структуре валового регионального продукта в 2000 г. промышленность составляла 36,8%, сельское хозяйство - 7,2, строительство - 6,9, транспорт - 10,2, торговля и коммерческая деятельность по реализации товаров и услуг - 11,5%. Основные отрасли промышленности: топливная, цветная металлургия, химическая и нефтехимическая, машиностроение и металлообработка, электроэнергетика. В сельском хозяйстве развиты мясо-молочное животноводство, звероводство, растениеводство (картофелеводство, овощеводство, выращивание зерновых культур).

• Пермская область.

В структуре валового регионального продукта в 2000 г. промышленность составляла 42,2%, сельское хозяйство - 6,2, строительство - 7,7, транспорт - 8,6, торговля и коммерческая деятельность по реализации товаров и услуг - 13,5%. В структуре промышленного производства ведущее место занимают топливная, химическая и нефтехимическая промышленности, машиностроение и металлообработка, электроэнергетика. Получило развитие кормопроизводство для мясо-молочного животноводства. Развиты птицеводство, пчеловодство, вокруг промышленных центров - пригородное хозяйство. Выращивают зерновые культуры, картофель и овощи.

Рис. 1. Динамика ВРП рассматриваемых регионов

Суммарный показатель развития муниципальных образований. Первым шагом исследования стал расчет суммарного показателя, характеризующего уровень развития муниципальных образований. По замыслу он должен представлять собой аналог внутреннего продукта территории, но по причине отсутствия полного объема статистической информации для расчета стандартного «внутреннего муниципального продукта», конструирование приблизительного аналога потребовало нескольких последовательных действий.

Учитывая ориентацию исследования не только на экономические, но и на социальные показатели развития, в качестве интересующих нас переменных рассматривались как объем промышленного и сельскохозяйственного производства, так и демографическая ситуация, обеспеченность населения услугами здравоохранения, местами в детских дошкольных учреждениях, телефонной связью, уровень среднемесячной заработной платы и т.п. Набор этих переменных был составлен на основе экспертных представлений о наиболее значимых индикаторах социально-экономического развития, с учетом имеющихся данных. Последнее, безусловно, стало ограничением, сужающим объясняющую силу построенного показателя. Переменные, использованные для построения суммарного показателя муниципального развития представлены в таблице 1 ниже:

Таблица 1. Переменные, использованные для построения суммарного показателя муниципального развития

названия переменных	значения переменных
roj	число родившихся на 1000 человек населения
sme	число умерших на 1000 человек населения
unem	уровень зарегистрированной безработицы
wage	номинальная начисленная среднемесячная заработная плата
sq	площадь жилищ, приходящаяся на одного жителя
det	численность детей, приходящихся на 100 мест в дошкольных учреждениях
vr	число врачей на 10000 человек населения
srmed	число средних медицинских работников на 10000 человек населения
koek	число коек на 10000 человек населения
prom	объем промышленного производства (рублей на душу населения)
zern	валовой сбор зерновых культур (кг на душу населения)
kart	валовой сбор картофеля (кг на душу населения)
ovosh	валовой сбор овощей открытого и закрытого грунта (кг на душу населения)
meet	реализация скота птицы на убой (кг на душу населения)
milk	произведено молока (кг на душу населения)
inv	инвестиции в основной капитал (рублей на душу)
avto	наличие собственных легковых автомобилей (шт. на 1000 человек населения)
tel	обеспеченность населения домашними телефонными аппаратами (шт. на 100 семей плата)

Понимая, что выбранные переменные сильно коррелированы друг с другом¹, мы были вынуждены использовать метод главных компонент, определяя направления максимальной вариации основных показателей социально-экономической муниципалитетов из всех четырех регионов за шесть лет. Для того, чтобы решить проблему низкой сопоставимости показаний различных переменных: часть переменных измеряется в процентах, часть – в единицах на 1 жителя или 1 000 жителей, переменные были преобразованы, по следующей формуле:

, ,

где t_i — число лет доступных для анализа в регионе i;

n_i — число муниципальных образований в регионе i.

Вначале метод главных компонент применялся для построения показателей отдельных аспектов социально-экономического развития: показателя демографической ситуации в муниципальном образовании, обеспеченности услугами здравоохранения и развитии сельского хозяйства. При выделении главных компонент применялся критерий Кайзера, который заключается в отборе факторов, с собственными значениями, большими единицы. По существу, это означает, что если фактор не выделяет дисперсию, эквивалентную, по крайней мере, дисперсии одной переменной, то он опускается.

Представленные ниже таблицы показывают коэффициенты корреляции переменных и процент объясненной общей дисперсии.

1. Показатель демографической ситуации.

Корреляционная матрица

	ROJ	SME
ROJ	1,000	-0,266
SME	-0,266	1,000

Полная объясненная дисперсия

	Начальные собственные значения			Суммы квадратов нагрузок извлечения
Компонента	Всего	% дисперсии	Кумулятивный %	Всего	% дисперсии
1	1,266	63,302	63,302	1,266	63,302
2	0,734	36,698	100,000

1-й фактор объясняет 63,3 % общей дисперсии. В результате объединения двух переменных ROJ и SME в один фактор, было получено, что

Демографическая ситуация в регионе: DEMOG = 0,796∙ ROJ - 0,796∙ SME

2. Показатель обеспеченности услугами здравоохранения.

Корреляционная матрица

	VR	SRMED	KOEK
VR	1,000	0,530	0,456
SRMED	0,530	1,000	0,621
KOEK	0,456	0,621	1,000

Полная объясненная дисперсия

	Начальные собственные значения			Суммы квадратов нагрузок извлечения
Компонента	Всего	% дисперсии	Кумулятивный %	Всего	% дисперсии
1	2,074	69,136	69,136	2,074	69,136
2	0,558	18,600	87,736
3	0,368	12,264	100,000

1-й фактор объясняет 69,1 % общей дисперсии. В результате объединения трех переменных VR, SRMED и KOEK в один фактор было получено, что

Состояние сферы здравоохранения в регионе:

MEDIC = 0,785∙ VR + 0,871∙ SRMED + 0,837∙ KOEK

3. Показатель развития сельского хозяйства.

Корреляционная матрица

	ZERN	KART	OVOSH	MEAT	MILK
ZERN	1,000	0,483	0,205	0,482	0,597
KART	0,483	1,000	,307	0,302	0,266
OVOSH	0,205	0,307	1,000	0,535	0,361
MEET	0,482	0,302	0,535	1,000	0,751
MILK	0,597	0,266	0,361	0,751	1,000

Полная объясненная дисперсия

	Начальные собственные значения			Суммы квадратов нагрузок извлечения
Компонента	Всего	% дисперсии	Кумулятивный %	Всего	% дисперсии
1	2,759	55,171	55,171	2,759	55,171
2	0,892	17,838	73,009
3	0,798	15,958	88,967
4	0,343	6,870	95,837
5	0,208	4,163	100,000

1-й фактор объясняет 55,2 % общей дисперсии. В результате объединения пяти переменных ZERN, KART, OVOSH, MEAT и MILK в один фактор, было получено, что

Развитие сельского хозяйства в регионе:

SELHOZ = 0,757∙ZERN+ 0,591∙ KART + 0,625∙ OVOSH + 0,859∙ MEAT + 0,841∙ MILK.

Далее метод главных компонент был применен для нахождения линейной комбинации всех рассматриваемых векторов, корреляционная матрица которых приведена ниже:

	PROM	SELHOZ	INV	DEMOG	MEDIC	UNEM	WAGE	SQ	AVTO	TEL	DET
PROM	1,000	-0,390	0,472	0,159	0,246	-0,113	0,698	0,145	0,355	0,400	0,332
SELHOZ	-0,390	1,000	-0,246	0,089	-0,469	-0,103	-0,324	-0,088	-0,087	-0,468	-0,250
INV	0,472	-0,246	1,000	0,154	0,125	0,042	0,471	0,019	0,269	0,381	0,164
DEMOG	0,159	0,089	0,154	1,000	-0,039	0,116	0,059	-0,398	0,144	0,122	0,161
MEDIC	0,246	-0,469	0,125	-0,039	1,000	-0,249	0,221	-0,005	0,020	0,196	0,131
UNEM	-0,113	-0,103	0,042	0,116	-0,249	1,000	-0,094	-0,123	0,162	0,207	0,062
WAGE	0,698	-0,324	0,471	0,059	0,221	-0,094	1,000	-0,005	0,547	0,537	0,392
SQ	0,145	-0,088	0,019	-0,398	-0,005	-0,123	-0,005	1,000	-0,117	-0,138	-0,107
AVTO	0,355	-0,087	0,269	0,144	0,020	0,162	0,547	-0,117	1,000	0,547	0,226
TEL	0,400	-0,468	0,381	0,122	0,196	0,207	0,537	-0,138	0,547	1,000	0,209
DET	0,332	-0,250	0,164	0,161	0,131	0,062	0,392	-0,107	0,226	0,209	1,000

В данном случае при выделении главных компонент не использовался не критерий Кайзера, а в качестве суммарного показателя развития муниципальных образований выбирался фактор с наибольшей объясняющей силой общей дисперсии. Такой выбор позволяет нам провести однозначные расчеты индексов неравенства при максимально возможном учете разброса в развитии муниципальных образований. На этой стадии выяснилось, что переменные уровень безработицы, площадь жилья, приходящаяся на одного жителя, а также показатель демографической ситуации имеют низкие доли дисперсий, принадлежащих фактору и, следовательно, должны быть исключены из анализа. В результате отбрасывания данных переменных и выделения главных компонент на множестве оставшихся переменных было получено, что 1-й фактор объясняет 42,7% общей дисперсии, в то время как каждый последующий фактор менее 15,7%.

Суммарный показатель развития муниципального образования:

dev_ind = 0,785∙ PROM - 0,598∙SELHOZ + 0,620∙INV + 0,398∙MEDIC + 0,849∙WAGE + 0,616∙AVTO + 0, 747∙TEL + 0, 493∙DET.

Поскольку формулы для различных мер неравенств развития муниципальных образований подразумевают использование данных, имеющих логнормальное распределение, нам необходимо было, чтобы суммарный показатель развития был логнормально распределен. Кроме того, меры неравенств не устойчивы к выбросам, поэтому мы проверили построенный суммарный показатель развития на наличие выбросов. Для того, чтобы устранить выбросы, мы поделили все значения показателя на его максимальное значение. Данная операция деления не изменяет относительные характеристики неравенства. После нее преобразованный показатель развития муниципальных образований был возведен в экспоненциальную степень для того, чтобы получить показатель, имеющий логнормальное распределение.

Отраженный в ряде исследований моноцентризм многих регионов России ([10]), при котором наблюдается значительный отрыв регионального центра от остальных муниципальных образований по большинству показателей развития, включая численность населения, объем производства различных отраслей, концентраций финансовых и управленческих функций, обеспеченность транспортом и социально значимой инфраструктурой, требует расчета показателей межмуниципального неравенства на сравнительной подвыборке муниципальных образований, не включающей столицы исследуемых регионов. Алгоритм построения данного показателя был аналогичен описанному выше, поэтому результаты промежуточных шагов представлены в приложении 4. Было получено, что суммарный показатель развития муниципальных образований (без учета региональных центров)представляет собой следующую линейную комбинацию:

dev_ind1 = 0, 791∙PROM - 0, 508∙SELHOZ + 0, 628∙INV + 0, 867∙WAGE + 0, 660∙AVTO +

0, 741∙TEL + 0, 460∙DET.

Как и в предыдущих расчетах, все значения полученного показателя были поделены на его максимум, после чего преобразованный показатель возведен в экспоненциальную степень.

Данный способ расчета представляет собой один из возможных вариантов построения совокупного показателя для оценки экономического развития. В мировой практике известны также примеры использования для аналогичных целей индексного подхода. Например, индекс городского развития (CDI), который является аналогом ВРП на уровне города, отражает уровень развития городской инфраструктуры, производства, здравоохранения, образования и эффективность снижения загрязненности в городе. Индекс городского развития позволяет ранжировать города по уровню их развития, а также может служить приближением для оценки городской бедности и эффективности работы органов городского управления. Для того чтобы, в соответствии с Техническим заданием, проиллюстрировать возможность использования индексов в составлении балльной шкалы оценок муниципалитетов, в Приложении 2 мы приводим пример разработанных группой Фонда «Институт экономики города» индексов, составленных для Томской области. Кроме того, в работе [1] можно найти подробный обзор ряда международных программ, разрабатывающих системы показателей городского развития, оценки уровня благосостояния и качества среды жизнедеятельности в муниципалитетах.

Опираясь на исследования межрегионального неравенства в России и за рубежом [9], [11], мы видим, что для повышения объективности результатов необходимы оценки σ-сходимости (сокращение дисперсии суммарного показателя муниципального развития во времени) и использование различных по способу расчета показателей неравенства. В данной работе использованы:

• отношение максимального к минимальному значению суммарного показателя развития муниципальных образований (коэффициент MMR),

• коэффициент вариации,

• индекс Джини,

• индекс энтропии Тейла,

• показатель относительного отклонения от среднего.

Формулы расчета и краткие описания каждого индекса приводятся в приложении 1.