Проверяемый текст
(Диссертация 2004)
[стр. 134]

миграционного прироста (0,59).
Большие значения этого фактора характерны, прежде всего, для регионов, специализирующихся на металлургической промышленности, имеющей стабильный спрос на внеш них рынках (Липецкой, Вологодской, Челябинской, Кемеровской областей), а также областей, прилегающих к городам федерального значения (Московской и Ленинградской).
В дальнейшем будем считать этот фактор отвечающим за экономическую эффективность промышленного производства.
Пятый фактор определяет поведение лиш ь одного социальноэкономического показателя
ожидаемой продолжительности жизни (факторная нагрузка равна 0,95).
Парадоксально, но продолжительность жизни выше в регионах с высоким уровнем безработицы (нагрузка уровня безработицы по пятому фактору равна 0,39) и практически никак не связана с уровнем экономического развития региона (нагрузка ВРП на душ у населения по пятому фактору равна
-0,12).
Регионы с высокой ожидаемой продолжительностью жизни характеризуются низким криминальным риском (нагрузка численности преступлений на 1000 жителей по пятому фактору равна
-0,55) и выступают в роли акцепторов мигрирующего населения (нагрузка миграционного прироста по пятому фактору равна 0,24).
Выделенные общие факторы, дающие комплексную оценку различных аспектов социально-экономического развития, можно использовать для построения многомерной классификации российских регионов.
Эффективным инструментом решения этой задачи является кластерный анализ.

Целыо кластерного анализа является формирование групп объектов, схожих между собой по множеству группировочных признаков.
При этом четкие границы каждой группы, а также количество групп в исследуемой совокупности заранее неизвестны и определяются при выполнении расчетов и интерпретации их результатов.
В экономических исследованиях наиболее широкое применение получили иерархические
агломерата вные методы кластерного анализа, в процессе работы которых происходит последовательное объединение объектов в кластеры на основании матриц расстояний между 134
[стр. 1]

2.2.
Многомерная классификация российских регионов по показателям социально-экономического развития.
Результаты исследований, изложенные в предыдущем параграфе, позволили дать общую оценку межрегиональной экономической дифференциации в российской экономике и тенденций ее изменения.
Однако поскольку в основу расчетов был положен единственный, хотя и ключевой, экономический индикатор (ВРП на душу населения с поправкой на межрегиональные различия цен), эта оценка нуждается в уточнении и конкретизации на базе использования более широкой системы региональных показателей.
В отличие от подхода, принятого в предыдущем параграфе, опишем результаты социально-экономического развития регионов системой показателей, включающей три основные группы.
В состав первой группы включим основные показатели результатов экономической деятельности предприятий региона: ВРП на душу населения с поправкой на межрегиональные различия цен, ВРП на одного занятого с поправкой на межрегиональные различия цен, уровень безработицы и рентабельность активов в промышленности.
В состав второй группы включим показатели, характеризующие уровень жизни населения: среднедушевые денежные доходы жителей региона с поправкой на межрегиональные различия цен, индекс Джини, измеряющий масштабы неравенства в доходах жителей региона, объем банковских вкладов на душу населения (отражающий как размер личных активов жителей региона, так и уровень развития розничной финансовой инфраструктуры), ожидаемую продолжительность жизни при рождении (дающую комплексную характеристику условий жизни в регионе), выпуск специалистов с высшим образованием на 1000 жителей региона (характеризующий уровень развития образовательной инфраструктуры), численность врачей на 1000 жителей региона (характеризующий уровень развития сферы здравоохранения), численность преступлений на 1000 жителей региона (характеризующий криминогенную обстановку), выбросы вредных веществ в атмосферу на 1000 кв.км.
территории региона (характеризующий экологическую ситуацию).
В состав третьей группы показателей включим основные характеристики экономической динамики региона: темпы роста ВРП, занятости и инвестиций, долю инвестиций в ВРП, темп миграционного прироста численности населения региона, а также дифференциальный сдвиг промышленного производства в процентах от объема промышленного производства региона за последний отчетный период.
Для того, чтобы учесть как текущие, так и среднесрочные тенденции экономической динамики региона, будем использовать оценки важнейших показателей этой группы как по данным за последний отчетный год, так и по данным за три последних отчетных года.
Показатель дифференциального сдвига является одним из результатов факторной декомпозиции прироста регионального экономического показателя с помощью метода структурных сдвигов (shift-share analysis)1.
Этот метод позволяет разложить общий прирост регионального показателя на три аддитивных компонента: фактор национальной доли, фактор структуры экономики региона (пропорциональный сдвиг) и специфический региональный фактор (дифференциальный сдвиг).
Фактор национальной доли (national share component) показывает, как изменились бы региональные показатели при условии, что темпы их роста оказались бы равными общенациональным.
Применительно к факторной декомпозиции прироста промышленного производства можно записать: , где NSr – фактор национальной доли для региона r, Pir – объем промышленного производства в отрасли i региона r в базисном периоде, gn – темп прироста промышленного производства в национальной экономике в отчетном периоде по сравнению с базисным.
Фактор структуры экономики региона (industry mix component) отражает влияние народнохозяйственной специализации региона на прирост его интегральных показателей.
Применительно к факторной декомпозиции прироста промышленного производства можно записать: , где IMr – фактор структуры экономики региона, или пропорциональный сдвиг для региона r, gin – темп прироста промышленного производства в отрасли i национальной экономики в отчетном периоде по сравнению с базисным.
Знак и значение пропорционального сдвига зависят от характера народнохозяйственной специализации региона.
Если в структуре промышленного производства региона превалируют отрасли, наиболее динамично развивающиеся в масштабах национальной экономики, то пропорциональный сдвиг будет принимать большие положительные значения.
Если в структуре промышленного производства региона превалируют отрасли, стагнирующие в масштабах национальной экономики, то пропорциональный сдвиг будет принимать отрицательные значения.
Для региона, структура промышленного производства которого практически не отличается от национальной, значение пропорционального сдвига будет близким к нулю.
Специфический региональный фактор дифференциального сдвига зависит от соотношения между темпами прироста анализируемого показателя в отдельных отраслях экономики региона и национальной экономики в целом.
Применительно к факторной декомпозиции прироста промышленного производства можно записать: , где DSr – дифференциальный сдвиг для региона r, gir – темп прироста промышленного производства в отрасли i экономики региона в отчетном периоде по сравнению с базисным.
Дифференциальный сдвиг зависит от природно-географических факторов, благоприятствующих или не благоприятствующих развитию отрасли промышленности в данном регионе, от динамики конкурентоспособности предприятий региона и влияющей на нее региональной экономической политики.
По нашему мнению, этот показатель является одним из важнейших индикаторов эффективности развития экономики региона.
При проведении комплексного анализа дифференциации регионов по показателям социально-экономического развития предпочтительнее оперировать результатами факторной декомпозиции по данным о структуре ВРП, а не промышленного производства.
Однако в статистических сборниках Росстата приводится лишь весьма укрупненная характеристика отраслевой структуры ВРП, что затрудняет интерпретацию результатов анализа.
Кроме того, данные об отраслевой структуре ВРП публикуются с задержкой в один год относительно других региональных социально-экономических показателей.
Поэтому в данной работе мы предпочли использовать показатель дифференциального сдвига, рассчитанный по данным о структуре и динамике промышленного производства российских регионов.
Сформированная система включает 22 показателя: 4 показателя результатов экономической деятельности предприятий региона, 8 показателей уровня жизни населения региона и 10 показателей экономической динамики региона (с учетом оценок основных показателей динамики за различные по продолжительности отчетные периоды).
Многие из этих показателей тесно коррелируют между собой, что позволяет рассматривать данную систему как информационно избыточную.
Для того, чтобы перейти от данной системы к системе меньшей размерности, содержащей лишь наиболее существенные и качественно различные между собой характеристики результатов социально-экономического развития, удобно воспользоваться методом факторного анализа.
Факторный анализ позволяет на основе обобщения системы первичных признаков большой размерности построить систему латентных интегрированных характеристик – общих факторов, которая имеет меньшую размерность, но позволяет объяснить основную часть дисперсии системы первичных признаков.
Общая модель факторного анализа может быть записана в виде , где Xij – значение элементарного признака i в наблюдении j, F1j… Fmj – значения общих факторов F1… Fm в наблюдении j, Dij – значение характерного фактора i в наблюдении j.
Значение каждого общего фактора формируется как линейная комбинация первичных признаков, а сами первичные признаки, в свою очередь, оказываются линейно зависимыми от выделенных общих факторов.
При этом предполагается, что все факторы (как общие, так и характерные) не коррелированы между собой.
При увеличении числа выделяемых общих факторов прирост объясненной моделью доли дисперсии первичных признаков замедляется.
Выбор числа извлекаемых общих факторов определяется необходимостью объяснения основной части дисперсии элементарных признаков, а также возможностью интерпретации содержания общих факторов.
В результате проведения факторного анализа все первичные признаки удается представить в качестве точек в пространстве, размерность которого соответствует числу извлеченных общих факторов.
Для улучшения интерпретируемости содержания общих факторов можно провести вращение координатных осей пространства факторов с целью приближения большинства наблюдений-признаков к линиям осей (это позволяет установить, вариацию каких исходных признаков в первую очередь определяет каждый из выделенных общих факторов).
Задача определения оптимального расположения координатных осей пространства факторов обычно решается c использованием метода «варимакс», предложенного Кайзером1.
Выполним факторный анализ на основе матрицы, включающей 22 показателя результатов социально-экономического развития регионов в разрезе 88 субъектов Российской Федерации (без Чеченской Республики), рассчитанных по данным статистического сборника «Регионы России.
Социально-экономические показатели» за 2004 г.2 Поскольку Росстат при характеристике сложносоставных субъектов Российской Федерации учитывает данные входящих в них автономных округов, показатели сборника по Архангельской, Пермской, Тюменской, Иркутской, Читинской, Камчатской областям и Красноярскому краю были пересмотрены таким образом, чтобы исключить влияние экономической деятельности в автономных округах на показатели области или края, в которые они входят.
В результате применения алгоритма факторного анализа пакета Statistica были выделены 5 общих факторов, позволивших объяснить более 61% дисперсии первичных признаков.
Значения факторных нагрузок, или коэффициентов корреляции первичных признаков с общими факторами, приведены в таблице 2.2.1.
Таблица 2.2.1.
Нагрузки первичных признаков по общим факторам.
Первичный признак F1 F2 F3 F4 F5 ВРП на душу населения с поправкой на межрегиональные различия цен 0,89 0,18 0,09 0,20 -0,12 ВРП на одного занятого с поправкой на межрегиональные различия цен 0,88 0,19 0,06 0,28 -0,08 уровень безработицы -0,05 -0,34 -0,40 -0,26 0,39 рентабельность активов в промышленности 0,07 0,13 -0,18 0,71 -0,06 среднедушевые денежные доходы с поправкой на межрегиональные различия цен 0,73 0,60 0,11 0,13 -0,18 индекс Джини 0,40 0,65 -0,03 0,04 -0,08 объем банковских вкладов на душу населения 0,06 0,82 -0,11 0,12 -0,08 ожидаемая продолжительность жизни 0,00 0,27 -0,13 0,14 0,95 выпуск специалистов вузами на 1000 жителей -0,27 0,71 -0,04 0,20 0,17 численность врачей на 1000 жителей 0,00 0,61 0,21 -0,19 -0,06 численность преступлений на 1000 жителей 0,04 0,18 0,04 -0,07 -0,55 выбросы вредных веществ в атмосферу на 1000 кв.
км.
площади 0,03 0,50 0,04 0,46 0,08 темп роста ВРП в 2002-2003 гг.
0,26 -0,12 0,38 0,22 0,04 темп роста ВРП в 2000-2003 гг.
0,12 0,04 0,75 -0,17 -0,11 темп роста занятости в 2002-2003 гг.
0,34 0,09 0,63 -0,11 0,03 темп роста занятости в 2000-2003 гг.
0,49 0,04 0,43 -0,07 0,27 темп роста инвестиций в 2002-2003 гг.
-0,10 -0,18 0,36 0,31 -0,10 темп роста инвестиций в 2000-2003 гг.
0,15 -0,08 0,70 -0,47 -0,07 доля инвестиций в ВРП в 2003 г.
0,74 -0,23 0,39 -0,16 0,03 доля инвестиций в ВРП в 2001-2003 гг.
0,76 -0,19 0,23 -0,25 0,09 дифференциальный сдвиг по промышленности за 2001-2003 гг.
0,08 0,12 0,68 0,07 -0,13 темп миграционного прироста за 2001-2003 гг.
0,07 0,04 -0,00 0,59 0,24 доля объясненной дисперсии первичных признаков 0,180 0,139 0,130 0,086 0,075 Первый из выделенных общих факторов характеризует уровень экономического развития региона.
Наиболее тесно с ним коррелированы показатели ВРП на душу населения с поправкой на межрегиональные различия цен (факторная нагрузка равна 0,89), ВРП на одного занятого с поправкой на межрегиональные различия цен (0,88), среднедушевых денежных доходов (0,73), доли инвестиций в ВРП в 2003 г.
(0,74) и доли инвестиций в ВРП за период 2001-2003 г.
(0,76).
Анализ нагрузок по этому фактору позволяет отметить, что в современной российской экономике более высокий уровень инвестиционной активности (измеряемой долей инвестиций в ВРП) характерен для более развитых экономически регионов.
Концентрация инвестиций в наиболее развитых районах выступает фактором углубления межрегиональной дифференциации и замедляет процесс конвергенции экономик российских регионов.
Второй из выделенных общих факторов характеризует уровень инфраструктурной освоенности региона.
Наиболее тесно с ним коррелированы показатели среднедушевых денежных доходов с поправкой на межрегиональные различия цен (факторная нагрузка равна 0,60), индекс Джини (0,65), объем банковских вкладов на душу населения (0,82), выпуск специалистов вузами на 1000 жителей региона (0,71) и численность врачей на 1000 жителей региона (0,61).
Анализ нагрузок по этому фактору позволяет отметить, что наибольшие масштабы неравенства в доходах населения наблюдаются в хорошо освоенных регионах, имеющих развитую социальную инфраструктуру и высокий средний уровень доходов населения.
Третий из выделенных общих факторов отвечает за динамику экономического развития региона.
Наиболее тесно с ним коррелированы показатели темпа роста ВРП за период с 2000 по 2003 г.
(факторная нагрузка равна 0,75), темп роста занятости в 2003 г.
(0,63), темп роста инвестиций за период с 2000 по 2003 г.
(0,70), дифференциальный сдвиг по промышленности за период с 2001 по 2003 г.
(0,68).
Можно также отметить отрицательную корреляцию данного общего фактора с уровнем безработицы (-0,40).
Анализ нагрузок по этому фактору показывает, что наиболее динамично развивающиеся регионы эффективно используют имеющуюся в них рабочую силу (о чем свидетельствуют низкий уровень безработицы и высокий темп роста занятости), но не ориентируются в своем развитии на трудовые ресурсы других регионов (нагрузка миграционного прироста по этому фактору равна нулю).
Таким образом, важнейший автоматический механизм выравнивания уровней экономического развития регионов, обосновываемый неоклассической теорией регионального роста – миграция трудовых ресурсов из отсталых и депрессивных регионов в наиболее динамично развивающиеся – в российской экономике работает достаточно слабо.
Четвертый из выделенных факторов оказывает заметное влияние на три показателя – рентабельность активов в промышленности (факторная нагрузка равна 0,71), выбросы вредных веществ в атмосферу (0,46) и темп миграционного прироста (0,59).
Большие значения этого фактора характерны прежде всего для регионов, специализирующихся на металлургической промышленности, имеющей стабильный спрос на внешних рынках (Липецкой, Вологодской, Челябинской, Кемеровской областей), а также областей, прилегающих к городам федерального значения (Московской и Ленинградской).
В дальнейшем будем считать этот фактор отвечающим за экономическую эффективность промышленного производства.
Пятый фактор определяет поведение лишь одного социально-экономического показателя
ожидаемой продолжительности жизни (факторная нагрузка равна 0,95).
Парадоксально, но продолжительность жизни выше в регионах с высоким уровнем безработицы (нагрузка уровня безработицы по пятому фактору равна 0,39) и практически никак не связана с уровнем экономического развития региона (нагрузка ВРП на душу населения по пятому фактору равна
–0,12).
Регионы с высокой ожидаемой продолжительностью жизни характеризуются низким криминальным риском (нагрузка численности преступлений на 1000 жителей по пятому фактору равна
–0,55) и выступают в роли акцепторов мигрирующего населения (нагрузка миграционного прироста по пятому фактору равна 0,24).
Выделенные общие факторы, дающие комплексную оценку различных аспектов социально-экономического развития, можно использовать для построения многомерной классификации российских регионов.
Эффективным инструментом решения этой задачи является кластерный анализ.
Целью кластерного анализа является формирование групп объектов, схожих между собой по множеству группировочных признаков.
При этом четкие границы каждой группы, а также количество групп в исследуемой совокупности заранее неизвестны и определяются при выполнении расчетов и интерпретации их результатов.
В экономических исследованиях наиболее широкое применение получили иерархические
агломеративные методы кластерного анализа, в процессе работы которых происходит последовательное объединение объектов в кластеры на основании матриц расстояний между объектами, причем при переходе на более поздние стадии работы алгоритма различия между объектами в рамках кластеров увеличиваются.
Последовательность объединения объектов в кластеры поддается удобной геометрической интерпретации и может быть представлена в виде дендрограммы, или графа типа «дерево», на котором указываются номера объединяемых объектов и расстояния, при которых происходит объединение.
Альтернативные методы иерархического кластерного анализа различаются между собой используемыми оценками расстояний между объектами и кластерами, а также алгоритмами классификации.
Наиболее широко в экономических исследованиях используется алгоритм Уорда, на каждом шаге которого осуществляется такое объединение объектов или кластеров, при котором приращение внутрикластерной суммы квадратов отклонений по всем рассматриваемым признакам является минимальным.
В специальной литературе отмечается, что метод Уорда приводит к образованию кластеров приблизительно равных размеров с минимальной внутрикластерной вариацией1.
Таблица 2.2.2.
Многомерная классификация российских регионов по показателям социально-экономического развития.
Класс Группа Регионы 1.
«лидеры севера» (5) 1.
«эффективно реструктурируемые регионы севера» (2) Эвенкийский АО, Чукотский АО 2.
«разработчики углеводородного сырья» (3) Ханты-Мансийский АО, Ямало-Ненецкий АО, Ненецкий АО 2.
«лидеры индустрии» (25) 3.
«столичный мегаполис» (1) Москва 4.
«лидеры социальной инфраструктуры» (5) Санкт-Петербург, Тюменская обл., Новосибирская обл., Омская обл., Томская обл.
5.
«опорные регионы» (15) Орловская обл., Рязанская обл., Тульская обл., Ярославская обл., Вологодская обл., Башкортостан, Татарстан, Удмуртия, Нижегородская обл., Пермская обл., Самарская обл., Свердловская обл., Челябинская обл., Красноярский край, Кемеровская обл.
6.
«развитые динамичные регионы» (4) Липецкая обл., Московская обл., Ленинградская обл., Калининградская обл.
3.
«северо-восточный проблемный пояс» (31) 7.
«деградирующие восточные автономии» (4) Коми-Пермяцкий АО, Усть-Ордынский Бурятский АО, Корякский АО, Тыва 8.
«освоенные регионы севера и востока с тревожной динамикой» (9) Карелия, Коми, Мурманская обл., Таймырский (Долгано-Ненецкий) АО, Иркутская обл., Якутия, Хабаровский край, Магаданская обл., Сахалинская обл.
9.
«слаборазвитые инвестируемые регионы» (5) Республика Алтай, Агинский Бурятский АО, Амурская обл., Еврейская АО, Тверская обл.
10.
«северный пояс стагнации» (13) Владимирская обл., Ивановская обл., Костромская обл., Смоленская обл., Архангельская обл., Новгородская обл., Псковская обл., Кировская обл., Бурятия, Хакасия, Читинская обл., Приморский край, Камчатская обл.
4.
«южный проблемный пояс» (27) 11.
«деградирующие южные республики» (2) Ингушетия, Калмыкия 12.
«южный пояс стагнации» (11) Брянская обл., Воронежская обл., Калужская обл., Курская обл., Тамбовская обл., Ростовская обл., Марий Эл, Пензенская обл., Саратовская обл., Ульяновская обл., Курганская обл.
13.
«трудоизбыточные южные регионы» (14) Белгородская обл., Краснодарский край, Ставропольский край, Адыгея, Кабардино-Балкария, Карачаево-Черкесия, Северная Осетия – Алания, Дагестан, Астраханская обл., Волгоградская обл., Мордовия, Чувашия, Оренбургская обл., Алтайский край На основе информации о значениях пяти общих факторов, отражающих различные аспекты социально-экономического развития, с помощью инструментальных средств пакета Statistica, реализующих алгоритм Уорда, была сформирована дендрограмма многомерной иерархической классификации российских регионов.
Анализ дендрограммы позволил разбить 88 рассматриваемых российских регионов на 13 групп, объединенных в 4 класса.
Результаты классификации представлены в таблице 2.2.2.
Первый класс регионов, условно обозначенный как «лидеры севера», характеризуется как самым высоким уровнем достигнутых экономических показателей (ВРП на одного занятого, среднедушевых доходов населения), так и самыми высокими темпами роста ВРП, занятости и инвестиций.
В то же время продолжительность жизни населения и рентабельность собственного капитала промышленных предприятий в регионах данного класса значительно ниже среднего уровня, что ведет к миграционному оттоку населения.
В данный класс входят только северные регионы, не обладающие развитой инфраструктурой (в особенности образовательной), но располагающие значительными запасами природных ресурсов или испытывающие влияние иных факторов, содействующих экономическому росту (эффективная региональная экономическая политика в случае Чукотки и Эвенкии).
Наиболее сильное различие между двумя группами класса «лидеры севера» наблюдается по показателям ВРП на душу населения и миграционного прироста.
Одна из ключевых причин экономического успеха Эвенкийского и Чукотского автономных округов, вошедших в группу «эффективно реструктурируемые регионы севера», – избавление от избыточного населения, что находит выражение в существенных и отрицательных темпах миграционного прироста.
В регионах группы «разработчики углеводородного сырья», в которую входят Ханты-Мансийский, Ямало-Ненецкий и Ненецкий автономные округа, достигнут наивысший по стране уровень ВРП и доходов на душу населения, но уровень развития социальной инфраструктуры несколько отстает от среднего по стране.
В отличие от «эффективно реструктурируемых регионов севера», «разработчики углеводородного сырья» достаточно активно привлекают население из других регионов.
Во второй класс, условно обозначенный как «лидеры индустрии», были включены регионы, обладающие развитой социальной инфраструктурой и высокорентабельной промышленностью.
Уровень экономического благосостояния в них выше среднего по стране уровня, а темпы экономического роста по большинству показателей соответствуют средним по стране.
Условия жизни в регионах данного класса являются наиболее благоприятными в стране, что влечет значительный миграционный прирост населения.
Наиболее острыми для регионов этого класса являются проблемы высокого уровня преступности, загрязнения окружающей среды, а также неравенства в доходах представителей различных социальных слоев населения.
Класс «лидеры индустрии» включает четыре группы регионов, одна из которых состоит всего лишь из одного субъекта федерации – столичного мегаполиса, отличающегося прежде всего наивысшим по стране уровнем развития социальной инфраструктуры, чрезвычайно высокими средними доходами населения при огромных масштабах неравенства в доходах представителей различных социальных групп, а также низким уровнем безработицы.
Регионы, вошедшие в другие группы этого класса, близки по уровню ВРП на одного занятого и доходам населения с поправкой на межрегиональные различия цен, которые незначительно превышают средний по стране уровень, но различаются степенью развития социальной инфраструктуры, темпами экономического роста и нормами накопления.
Группа «лидеры социальной инфраструктуры», включающая Санкт-Петербург и достаточно хорошо освоенные регионы юга Западной Сибири, отличается достаточно развитой социальной инфраструктурой, а также достаточно высоким научным и инновационным потенциалом, что позволяет им обеспечивать положительное значение дифференциального сдвига.
Наиболее характерной особенностью регионов, вошедших в группу «опорные регионы», является близость значений всех рассматриваемых социально-экономических показателей среднему по стране уровню (за исключением рентабельности собственного капитала промышленных предприятий и показателя загрязнения окружающей среды, которые значительно его превышают).
Представители группы «развитые динамичные регионы» – Московская, Ленинградская, Липецкая и Калининградская области – уступают другим представителям класса лидеров индустрии по степени развития социальной инфраструктуры, но опережают их по рентабельности активов, уровню дифференциального сдвига, норме накопления и темпам инвестиционной активности.
Третий и четвертый классы, условно обозначенные как «северо-восточный проблемный пояс» (в котором представлены в основном регионы Севера и Дальнего Востока) и «южный проблемный пояс» (в которым представлены главным образом регионы Северного Кавказа и Поволжья), включают значительно менее благополучные территории.
Они характеризуются низкими значениями показателей ВРП на одного занятого, среднедушевых денежных доходов населения, темпов роста по всем основным социально-экономическим показателям.
Основные различия между этими классами определяются показателями уровня безработицы, численности преступлений и продолжительности жизни.
В регионах северо-восточного проблемного пояса несколько выше уровень ВРП на одного занятого и среднедушевые денежные доходы населения и существенно ниже уровень безработицы.
В то же время в регионах южного проблемного пояса значительно выше ожидаемая продолжительность жизни (которая является рекордно высокой по стране), сравнительно низок уровень преступности и практически отсутствует миграционный отток населения.
Группы регионов класса «северо-восточный проблемный пояс» достаточно существенно отличаются характером наиболее острых социально-экономических проблем.
Безусловно, в наиболее тяжелом положении находятся представители группы, условно обозначенной как «деградирующие восточные автономии» – Коми-Пермяцкий, Усть-Ордынский Бурятский, Корякский автономные округа и Республика Тыва.
Для этих регионов характерен низкий уровень среднедушевых денежных доходов населения, высокий уровень безработицы, отсутствие необходимой социальной инфраструктуры, чрезвычайно слабая инвестиционная активность и как следствие –минимальная продолжительность жизни и значительный миграционный отток населения.
Положение представителей групп, обозначенных как «освоенные регионы севера и востока с тревожной динамикой» и «слаборазвитые инвестируемые регионы», по многим показателям лучше среднего по стране, однако и у них имеются достаточно острые социально-экономические проблемы.
Так, «освоенные регионы севера и востока с тревожной динамикой» (республики Карелия, Коми и Якутия, Иркутская, Сахалинская и Магаданская области, Хабаровский край и Таймырский автономный округ) вполне сопоставимы с опорными регионами по уровню доходов населения, масштабам безработицы и степени развития отдельных отраслей социальной инфраструктуры.
Однако в силу ряда обстоятельств (удаленности от основных экономических центров страны и внешнеторговых партнеров, слабой степени диверсификации отраслевой структуры экономики, неэффективности региональной экономической политики) они проигрывают конкурентную борьбу лидирующим регионам, что находит выражение в отрицательных значениях дифференциального сдвига, низких темпах экономического роста и миграционном оттоке населения.
Ситуация в «слаборазвитых инвестируемых регионах» (Тверской и Амурской областях, Республике Алтай, Агинском Бурятском автономном округе и Еврейской автономной области) во многом является зеркальным отражением ситуации в «освоенных регионах севера и востока с тревожной динамикой».
Это значительно менее развитые территории, характеризующиеся низкими доходами населения и довольно слабо развитой социальной инфраструктурой.
Однако благодаря высокой инвестиционной активности они обеспечивают значительные темпы экономического роста, положительный уровень дифференциального сдвига и некоторый миграционный приток населения.
Территории, вошедшие в «северный пояс стагнации» – Владимирская, Ивановская, Костромская, Смоленская, Архангельская, Новгородская, Псковская, Кировская, Камчатская области, республики Бурятия и Хакасия, Приморский край – практически по всем основным социально-экономическим показателям отстают от среднего по стране уровня, однако это отставание значительно меньше по масштабам в сравнении с «деградирующими восточными автономиями».
В классе регионов «южного проблемного пояса» резко выделяется малочисленная группа, в состав которой входят два субъекта федерации – Республики Ингушетия и Калмыкия, условно обозначенная как «деградирующие южные республики».
Эти регионы отличаются чрезвычайно высоким уровнем безработицы, низкими доходами населения, отрицательными значениями дифференциального сдвига и миграционным оттоком населения.
Единственной характеристикой, которая выгодно отличает их от «деградирующих восточных автономий», является высокая ожидаемая продолжительность жизни населения, связанная с более благоприятными природно-климатическими условиями.
Представители групп, обозначенных как «южный пояс стагнации» и «трудоизбыточные южные регионы», по многим характеристикам довольно близки благополучным опорным регионам, но отличаются от них несколько более низким уровнем ВРП на одного занятого, среднедушевых денежных доходов населения и значительно более низким уровнем рентабельности активов промышленных предприятий (зато имеют значительно более высокую ожидаемую продолжительность жизни).
По сравнению с расположенными севернее представителями «южного пояса стагнации» «трудоизбыточные южные регионы» характеризуются более высоким уровнем безработицы, но более высокой продолжительностью жизни и несколько более высокими темпами экономического роста.
Дополняя экспертными оценками классификацию, построенную на основе работы алгоритма иерархического кластерного анализа, можно сформировать укрупненную классификацию, содержащую меньшее количество достаточно однородных групп.
Во-первых, целесообразно упорядочить группы регионов по ключевым показателям, отражающим уровень и динамику их экономического развития (не отказываясь полностью от учета других аспектов качества жизни населения).
Во-вторых, можно объединить такие близкие по характеру поведе Таблица 2.2.3.
Укрупненная многомерная классификация российских регионов по показателям социально-экономического развития.
Класс Группа Регионы 1.
«успешные регионы» (30) 1.
«столичный мегаполис» (1) Москва 2.
«разработчики углеводородного сырья» (3) Ханты-Мансийский АО, Ямало-Ненецкий АО, Ненецкий АО 3.
«развитые динамичные регионы» (9) Санкт-Петербург, Ленинградская обл., Калининградская обл., Московская обл., Липецкая обл., Тюменская обл., Новосибирская обл., Омская обл., Томская обл.
4.
«опорные регионы» (15) Орловская обл., Рязанская обл., Тульская обл., Ярославская обл., Вологодская обл., Башкортостан, Татарстан, Удмуртия, Нижегородская обл., Пермская обл., Самарская обл., Свердловская обл., Челябинская обл., Красноярский край, Кемеровская обл.
5.
«эффективно реструктурируемые регионы севера» (2) Чукотский АО, Эвенкийский АО 2.
«проблемные регионы» (58) 6.
«освоенные регионы севера и востока с тревожной динамикой» (9) Карелия, Коми, Мурманская обл., Таймырский (Долгано-Ненецкий) АО, Иркутская обл., Якутия, Хабаровский край, Магаданская обл., Сахалинская обл.
7.
«стагнирующие регионы» (24) Владимирская обл., Ивановская обл., Костромская обл., Смоленская обл., Архангельская обл., Новгородская обл., Псковская обл., Кировская обл., Брянская обл., Воронежская обл., Калужская обл., Курская обл., Тамбовская обл., Ростовская обл., Марий Эл, Пензенская обл., Саратовская обл., Ульяновская обл., Курганская обл., Бурятия, Хакасия, Читинская обл., Приморский край, Камчатская обл.
8.
«трудоизбыточные южные регионы» (14) Белгородская обл., Краснодарский край, Адыгея, Кабардино-Балкария, Дагестан, Карачаево-Черкесия, Северная Осетия – Алания, Ставропольский край, Астраханская обл., Волгоградская обл., Мордовия, Чувашия, Оренбургская обл., Алтайский край 9.
«слаборазвитые инвестируемые регионы» (5) Республика Алтай, Амурская обл., Еврейская АО, Агинский Бурятский АО, Тверская обл.
10.
«деградирующие республики и автономии» (6) Ингушетия, Калмыкия, Тыва, Коми-Пермяцкий АО, Усть-Ордынский Бурятский АО, Корякский АО ния основных социально-экономических показателей группы регионов, как «лидеры социальной инфраструктуры» и «динамичные регионы», «северный пояс стагнации» и «южный пояс стагнации», «деградирующие восточные автономии» и «деградирующие южные республики».
В-третьих, с точки зрения построения классификации регионов, ориентированной на выработку мер федеральной региональной экономической политики, целесообразно выделить классы успешных и проблемных регионов.
Укрупненная многомерная классификация российских регионов, полученная путем корректировки табл.2.2.2 на основе внесения указанных поправок, представлена в таблице 2.2.3.
Результаты построения многомерных классификаций, представленных таблицами 2.2.2 и 2.2.3, указывают на значительную дифференциацию экономик российских регионов по различным социально-экономическим показателям.
В этой связи закономерно встает вопрос о том, в какой степени эта дифференциация определяется объективными факторами и условиями развития, а в какой – является следствием политических решений, принимаемых на федеральном и региональном уровнях.
Результаты анализа, представленные в следующем параграфе настоящей главы работы, позволят выявить ряд объективных факторов, обеспечивающих устойчивое воспроизводство межрегиональной экономической дифференциации и затрудняющих решение задач по сокращению различий в уровнях социально-экономического развития регионов.

[Back]