- •1. Введение
- •2. Используемые данные и расчетные показатели
- •3. Результаты оценки внутрирегионального неравенства с помощью различных показателей
- •4. Выводы
- •5. Список литературы
- •Приложение 1. Формулы расчета и краткие характеристики используемых показателей
- •Приложение 2. Использование интегральной оценки разноименных показателей для получения совокупной характеристики муниципальных образований
- •Приложение 3. Коэффициенты корреляции переменных
- •Приложение 4. Построение суммарного показатель развития муниципального образования на выборке, не содержащей муниципальные образования, являющиеся региональными центрами
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 ti — число лет доступных для анализа в регионе i;
ni — 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.