Применение кластерного анализа для оценки уровня социально-экономического развития регионов Российской Федерации

Степаненкова Н.М., Степаненкова М.А.
Application of cluster analysis to assess the level of socio-economic development of Russian regions - View in English
Об авторах:

Степаненкова Н.М.1, Степаненкова М.А.2
1 Елецкий государственный университет им. И.А. Бунина
2 Национальный исследовательский ядерный университет «МИФИ»

 Скачать PDF

Аннотация:
Неоднородность социально-экономического развития регионов накладывает глубокий отпечаток на уровень жизни населения и экономики государства в целом. Дифференциация субъектов Российской Федерации в соответствии с региональными особенностями, обусловленными территориальными, экологическими, экономическими и другими факторами позволяет определить преимущества и недостатки для решения проблем неравенства. Целью исследования является проведение оценки неоднородности регионального социально-экономического пространства субъектов РФ. Анализ социально-экономического положения регионов России позволил распределить 85 регионов Российской Федерации на виртуальные кластеры по 11 признакам. Нормирование показателей осуществлено с применением программы MS Excel, деление регионов на кластеры – при помощи программы Statistica методом К-средних. Результаты исследования могут быть использованы при разработке федеральных и региональных программ в области сбалансированного пространственного развития.

Ключевые слова:

региональная экономика, социально-экономическое положение регионов, кластерный анализ, дифференциация регионов, пространственное развитие

JEL-классификация: R11, R12, R13

Цитировать публикацию:
Степаненкова Н.М., Степаненкова М.А. Применение кластерного анализа для оценки уровня социально-экономического развития регионов Российской Федерации // Креативная экономика. – 2021. – Том 15. – № 11. – С. 4225-4236. – doi: 10.18334/ce.15.11.113764

Stepanenkova, N.M., & Stepanenkova, M.A. (2021) Application of cluster analysis to assess the level of socio-economic development of Russian regions. Kreativnaya ekonomika, 15(11), 4225-4236. doi: 10.18334/ce.15.11.113764 (in Russian)

Приглашаем к сотрудничеству авторов научных статей

Публикация научных статей по экономике в журналах РИНЦ, ВАК (высокий импакт-фактор). Срок публикации - от 1 месяца.

creativeconomy.ru Москва + 7 495 648 6241




Введение. Неоднородность пространственно-экономического развития территорий является одной из важнейших проблем, препятствующих реализации задач государства по обеспечению достойного уровня качества жизни граждан. Если в столичном регионе наблюдается стремительное развитие инфраструктуры, создаются новые высокооплачиваемые рабочие места, отмечается рост населения, то в отдельных субъектах отмечается заметный и устойчивый спад уровня жизни, происходит обезлюдение территорий, особенно в удаленной от административных центров сельской местности. В этой связи многих авторов интересовала проблема улучшения качества жизни. По мнению Соболь Т.С., затянувшийся кризис увеличивает расслоение в обществе, имущественное неравенство в России примерно равно уровню латиноамериканских стран [1] (Sobol, 2018). Герасименко Н.А отмечает рост дифференциации федеральных округов по показателю среднедушевых расходов населения. Автор выделяет округа, имеющие уровень среднедушевых расходов населения выше среднего значения по России (ЦФО, УФО, ДФО и СЗФО), которые характеризуются повышательным трендом развития экономики, и ниже среднероссийских показателей (ПФО, ЮФО, СФО, СКФО), в которых отставание нарастает [2] (Gerasimenko, 2020). Взаимосвязи демографических процессов в регионах с экономическим и социальным благополучием рассматривают Куклин А.А., Кривенко Н.В., Кривенцова Л.А. и подчеркивают необходимость интеграции социальной и экономической политики государства в связи с усиливающимся региональным неравенством [3] (Kuklin, Krivenko, Kriventsova, 2020).

Проблемы территориального развития поднимались в трудах Гришиной И.В., Полынева А.О., Шкуропат А.В. [4] (Grishina, Polynev, Shkuropat, 2021). Авторы проводят мониторинг социально-экономического положения регионов, для решения проблем выхода из кризиса и обеспечения реализации на региональном уровне национальных целей развития России. По мнению Безденежных Т.И. и Макенова М.М., чем сильнее проявляются различия в региональном развитии, тем выше опасность социальной напряженности, рост негативного влияния на экономику, а чрезмерный уровень дифференциации вполне может спровоцировать распад государства [5] (Bezdenezhnyh, Makenov, 2017). Оценка степени вклада экономик отдельных регионов, обусловленного внутриотраслевыми, межотраслевыми, внутрирегиональными и межрегиональными ковариациями доходности, в финансовую нестабильность Российской Федерации проведена Малкиной М.Ю. [6] (Malkina, 2018). Определение регионов, выполняющих роль генераторов и демпферов финансовой нестабильности, необходимо для реализации задач устойчивого развития.

Применение кластерного анализа как инструмента управления и определения перспективных направлений развития региональной экономики рассматривается в исследовании Никитиной Л.М. и Куркина В.А. [7] (Nikitina, Kurkin, 2020). Необходимость проведения анализа инновационного потенциала регионов для определения преобладающих тенденций и выявления возможности формирования кластерных структур обосновывается Шматко А.Д. и Губиным С.В. [8] (Shmatko, Gubin, 2020). Исследования Митякова С.Н., Митякова Е.С., Лапаева Д.Н., Яковлевой Г.Н. доказывают универсальность применения инструментария кластерного анализа в оценке и управлении экономической деятельностью регионов [9] (Mityakov, Mityakov, Lapaev, Yakovleva, 2021). Широкое применение данного метода рядом экономистов подтверждает этот вывод [10–14] (Sogacheva, 2016; Treshchevskiy, 2011; Vertakova, Polozhentseva, Shchedrin, Khlynin, 2012; Abdalkhusseyn, Isaeva, Treshchevskiy, 2015; Myasnikova, Rodina, 2018).

Поэтому применение кластерного анализа при оценке региональной неоднородности, определяемой совокупностью компонентов, обосновано для характеристики социального, экономического, технологического положения и развития субъектов РФ.

Для классификации регионов РФ выбран метод К-средних.

В качестве факторов, характеризующих социально-экономическое положение регионов, определены следующие статистические признаки:

X1 – валовой региональный продукт (млн руб. на 1000 человек населения);

X2 – инвестиции в основной капитал (в фактически действовавших ценах; млн руб. на 1000 человек населения);

X3 – количество крупных и средних организаций агропромышленного комплекса (на начало года на 1 000 человек населения);

X4 – уровень занятости для людей в возрасте 15 лет и старше (процентов);

X5 – коэффициенты миграционного прироста на 10000 человек населения;

X6 – количество тяжких и особо тяжких преступлений (на 1000 человек населения);

X7 – количество преступлений, связанных с незаконным оборотом наркотиков (на 1 000 человек населения);

X8 – общие коэффициенты смертности (число умерших на 1000 человек населения);

X9 – число зарегистрированных заболеваний у пациентов с диагнозом, установленным впервые в жизни (на 1000 человек населения);

X10 – численность врачей всех специальностей, всего, тыс. человек (на конец года, на 1000 человек населения);

X11 – численность пенсионеров, тыс. человек (на 1000 человек населения).

Классификация субъектов РФ проводилась в программном комплексе Statistica с помощью метода К-средних с разбиением на 6 кластеров, что позволило сгруппировать регионы следующим образом.

К первому кластеру, включающему 17 субъектов, отнесены Астраханская область, Калининградская область, Калужская область, Красноярский край, Московская область, Мурманская область, Нижегородская область, Новгородская область, Новосибирская область, Омская область, Приморский край, Республика Татарстан (Татарстан), Свердловская область, Томская область, Тюменская область (кроме Ханты-Мансийского автономного округа – Югры и Ямало-Ненецкого автономного округа), Удмуртская Республика, Хабаровский край. Первый класс включает регионы, для которых наиболее существенным признаком выступает максимальное значение числа зарегистрированных заболеваний у пациентов с диагнозом, установленным впервые в жизни (Х9). Это может являться как следствием неблагоприятной экологической обстановки, обусловленной наличием в регионах большого числа промышленных предприятий с низким уровнем экологической безопасности, так и развитой медициной, позволяющей эффективно диагностировать заболевания. При этом значения валового регионального продукта (Х1) и численности пенсионеров (Х11) стремятся к минимальным. Так, если в РФ в целом население старше трудоспособного возраста составляет 25,0%, то в Красноярском крае – 22,6%, Хабаровском крае – 22,4%. Остальные средние значения признаков у объектов класса принимают промежуточные значения.

Ко второму кластеру, включающему 10 субъектов, отнесены город федерального значения Севастополь, Кабардино-Балкарская Республика, Карачаево-Черкесская Республика, Ленинградская область, Республика Адыгея (Адыгея), Республика Алтай, Республика Дагестан, Республика Ингушетия, Республика Калмыкия, Чеченская Республика. Класс характеризуется максимальным значением коэффициента миграционного прироста (Х5) и близким к минимальному значению общего коэффициента смертности (Х8). Так, если в среднем по РФ число умерших на 1000 человек населения составило 12,3, то в Кабардино-Балкарской Республике – 8,3, Карачаево-Черкесской Республике – 9,1, Чеченской Республике – 4,3. Остальные средние значения признаков принимают минимальное значение по сравнению с другими классами. Данные регионы сосредоточены на юге страны, где условия способствуют низкой заболеваемости, что, в свою очередь, положительно влияет на снижение уровня смертности населения.

Самым многочисленным выступает третий кластер, в который входят 33 субъекта: Алтайский край, Архангельская область (кроме Ненецкого автономного округа), Белгородская область, Брянская область, Владимирская область, Волгоградская область, Вологодская область, Воронежская область, Ивановская область, Кировская область, Костромская область, Краснодарский край, Курская область, Липецкая область, Орловская область, Пензенская область, Псковская область, Республика Башкортостан, Республика Карелия, Республика Крым, Республика Марий Эл, Республика Мордовия, Ростовская область, Рязанская область, Самарская область, Саратовская область, Смоленская область, Тамбовская область, Тверская область, Тульская область, Ульяновская область, Чувашская Республика – Чувашия, Ярославская область. В него вошли в основном субъекты европейской части РФ, а также некоторые субъекты Центральной России. Класс характеризуется близким к минимальным значениям валового регионального продукта (Х1), инвестиций в основной капитал (Х2), количества преступлений, связанных с незаконным оборотом наркотиков (Х7), численности врачей всех специальностей (Х10). При этом значения общего коэффициента смертности (Х8) и численности пенсионеров (Х11) являются максимальными. Остальные средние значения признаков у объектов кластера принимают промежуточные (средние) значения.

Четвертый кластер включает 7 регионов: Москва, Санкт-Петербург, Камчатский край, Республика Саха (Якутия), Сахалинская область, Ханты-Мансийский автономный округ – Югра (Тюменская область), Чукотский автономный округ. Этот класс характеризуется максимальным значением уровня занятости (Х4) и численности врачей всех специальностей (Х10). Численность пенсионеров (Х11) и количество крупных и средних организаций агропромышленного комплекса (Х3) близки к максимальным. Эти регионы имеют и самые высокие показатели по уровню заработной платы, прожиточному минимуму. Можно считать, что эти субъекты относятся к наиболее социально-экономически развитым.

В пятый кластер вошли лишь 2 субъекта: Ненецкий автономный округ (Архангельская область), Ямало-Ненецкий автономный округ (Тюменская область). Характеризуется максимальными значениями валового регионального продукта (Х1), инвестиций в основной капитал (Х2), количества крупных и средних организаций агропромышленного комплекса (Х3), уровня занятости (Х4). Значения количества преступлений, связанных с незаконным оборотом наркотиков (Х7), общего коэффициента смертности (Х8), численности пенсионеров (Х11) минимальны. Это северные регионы, реализующие крупные инвестиционные проекты, центры газо- и нефтедобычи, наиболее экологически и социально благополучные субъекты РФ. Низкие показатели смертности в этих округах обеспечивают принятые на региональном уровне программы по модернизации здравоохранения.

Шестой кластер включает 16 регионов, расположенных в основном в юго-восточной части России: Амурская область, Еврейская автономная область, Забайкальский край, Иркутская область, Кемеровская область – Кузбасс, Курганская область, Магаданская область, Оренбургская область, Пермский край, Республика Бурятия, Республика Коми, Республика Северная Осетия-Алания, Республика Тыва, Республика Хакасия, Ставропольский край, Челябинская область. Этот класс характеризуется минимальным значением количества крупных и средних организаций агропромышленного комплекса (Х3), коэффициента миграционного прироста (Х5). Близки к минимальным значения валового регионального продукта (Х1), объема инвестиций в основной капитал (Х2), уровня занятости (Х4), численности пенсионеров (Х11). Значения количества тяжких и особо тяжких преступлений (Х6) и количества преступлений, связанных с незаконным оборотом наркотиков (Х7), максимальны. Низкий коэффициента миграционного прироста обусловлен оттоком населения из регионов к крупным центрам.

Графическое изображение информации о средних значениях признаков в классах представлено на рисунке 1.

Рисунок 1. График средних значений признаков для метода К-средних

Источник: составлено авторами на основании официальных данных Федеральной службы государственной статистики.

Проведенный анализ показывает, что экономически сильные регионы сталкиваются с большим числом экологических проблем и социальным неравенством, инфраструктурными ограничениями. А слабые, напротив, компенсируют неразвитость экономики благоприятной экологической обстановкой и более высоким уровнем социальной справедливости. Поэтому промышленно развитые регионы, как, например, Республика Татарстан, Калужская область, Красноярский и Хабаровский край, входят в первую группу регионов из-за высокой дифференциации доходов и неблагополучных показателей уровня жизни населения.

Заключение. Приведенный кластерный анализ дает возможность определить влияние отдельных признаков на стабильность социально-экономической системы и устойчивое развитие региона. Получены оценки неоднородности регионов РФ, выявлены наиболее существенные признаки, характеризующие классы. Интерпретация вхождения регионов в классы показала влияние территориального расположения регионов и удаленность от крупных финансовых центров главной проблемой пространственного развития, также показательно выделение Ненецкого и Ямало-Ненецкого автономных округов в самостоятельный класс, что подчеркивает влияние нефтегазовой специализации и зависимость от конъюнктуры рынка углеводородов. Полученные классы свидетельствует о недостаточном использовании регионами имеющегося потенциала, низком уровне освоения социально-экономических, демографических ресурсов.



Издание научных монографий от 15 т.р.!

Издайте свою монографию в хорошем качестве всего за 15 т.р.!
В базовую стоимость входит корректура текста, ISBN, DOI, УДК, ББК, обязательные экземпляры, загрузка в РИНЦ, 10 авторских экземпляров с доставкой по России.

creativeconomy.ru Москва + 7 495 648 6241



Источники:
1. Соболь Т. С. Современный уровень и качество жизни населения России // Вестник Московского университета им. С.Ю. Витте. Серия 1: Экономика и управление. – 2018. – № 2(25). – c. 7-14. – doi: 10.21777/2587-554X-2018-2-7-14.
2. Герасименко Н. А. Уровень жизни населения России: особенности динамики межрегиональной дифференциации // Вестник университета. – 2020. – № 11. – c. 181-188. – doi: 10.26425/1816-4277-2020-11-181-188.
3. Куклин А.А., Кривенко Н.В., Кривенцова Л.А. Социально-экономические тренды развития регионов // Уровень жизни населения регионов России. – 2020. – № 4. – c. 49–59. – doi: 10.19181/lsprr.2020.16.4.4.
4. Гришина И. В., Полынев А. О., Шкуропат А. В. Социально-экономическое положение регионов России в 2020 г.: методология и результаты ежемесячного мониторинга // Эко. – 2021. – № 7(565). – c. 111-128. – doi: 10.30680/ECO0131-7652-2021-7-111-128..
5. Безденежных Т. И., Макенов М. М. Социально-экономическое развитие регионов России: проблемы и пути решения // Региональная экономика: теория и практика. – 2017. – № 3(438). – c. 541-552. – doi: 10.24891/re.15.3.541.
6. Малкина М. Ю. Вклад регионов и отраслей в финансовую нестабильность российской экономики // Terra Economicus. – 2018. – № 3. – c. 118-130. – doi: 10.23683/2073-6606-2018-16-3-118-130.
7. Никитина Л. М., Куркин В. А. Применение кластерного анализа для оценки развития цифровой экономики регионов России // Регион: системы, экономика, управление. – 2020. – № 3(50). – c. 28-38. – doi: 10.22394/1997-4469-2020-50-3-28-38.
8. Шматко А. Д., Губин С. В. Кластерный анализ инновационного потенциала субъектов РФ // Управленческое консультирование. – 2020. – № 3(135). – c. 61-72. – doi: 10.22394/1726-1139-2020-3-61-72.
9. Митяков С. Н., Митяков Е. С., Лапаев Д. Н., Яковлева Г. Н. Инструментарий оценки инновационной деятельности регионов: кластерный анализ // Инновации. – 2021. – № 3 (269). – c. 60-64. – doi: 10.26310/2071-3010.2021.269.3.007.
10. Согачева О. В. Кластерный анализ как инструмент управления социально-экономическим развитием региона (на примере Центрального федерального округа) // Теория и практика сервиса: экономика, социальная сфера, технологии. – 2016. – № 1(27). – c. 43-46.
11. Трещевский Д. Ю. Кластерный подход к анализу инновационного развития регионов России // Регион: системы, экономика, управление. – 2011. – № 1(12). – c. 37-47.
12. Вертакова Ю.В., Положенцева Ю.С., Щедрин А.В., Хлынин М.Ю. Кластеризация регионального пространства: опыт Курской области // Вестник ОрелГИЭТ. – 2012. – № 3(21). – c. 98-104.
13. Абдалхуссейн А., Исаева Е. М., Трещевский Ю. И. Применение метода виртуальной кластеризации в анализе внешнеэкономических связей российских регионов // Современная экономика: проблемы и решения. – 2015. – № 10(70). – c. 82-103. – doi: 10.17308/meps.2015.10/1320.
14. Мясникова Т. А., Родина Е. А. Кластерная активация как инструмент реализации стратегии развития промышленных корпораций // Современные тенденции и инновации в науке и производстве: материалы VII Международной научно-практической конференции, посвященной 20-летию филиала КузГТУ в г. Междуреченске, Междуреченск, 24–25 апреля 2018 года. – Междуреченск: Кузбасский государственный технический университет имени Т.Ф. Горбачева. 2018. – c. 197-199.