Logo Международный форум «Евразийская экономическая перспектива»
На главную страницу
Новости
Информация о журнале
О главном редакторе
Подписка
Контакты
ЕВРАЗИЙСКИЙ МЕЖДУНАРОДНЫЙ НАУЧНО-АНАЛИТИЧЕСКИЙ ЖУРНАЛ English
Тематика журнала
Текущий номер
Анонс
Список номеров
Найти
Редакционный совет
Редакционная коллегия
Представи- тельства журнала
Правила направления, рецензирования и опубликования
Научные дискуссии
Семинары, конференции
 
 
 
 
Проблемы современной экономики, N 3 (27), 2008
ЭКОНОМИЧЕСКИЕ ПРОБЛЕМЫ РЕГИОНОВ И ОТРАСЛЕВЫХ КОМПЛЕКСОВ
Герасенко П. В.
ассистент Белорусского торгово-экономического университета потребительской кооперации (г. Гомель)

Многомерный анализ в исследовании регионов
Показана возможность использования многомерного анализа для исследования уровня жизни населения в регионах Гомельской области. Многомерный анализ в исследовании региональной дифференциации позволяет получить достоверную прогнозную оценку уровня жизни и разработать оптимальный вариант стратегии устойчивого развития региона
Ключевые слова: дисперсионный анализ, кластерный анализ, регрессия, синергетический эффект, уровень жизни, устойчивое развитие

В целях изучения скрытых закономерностей получил развитие многомерный анализ. В частности, его применение эффективно при определении тесноты связи между изучаемыми параметрами в исследовании региональной дифференциации. Данный подход, основанный на совместном использовании дисперсионного, регрессионного и кластерного видов анализа, позволяет получить синергетический эффект достоверности при осуществлении прогнозной оценки уровня жизни населения и разработке стратегии устойчивого развития региона. Выводы, полученные с его помощью, гораздо более надежны, чем при применении только одного метода.
Для проведения многомерного анализа в исследовании региональной дифференциации нами были составлены матрицы показателей уровня жизни населения и показателей экономического развития регионов, включающие статистические и расчетные данные. Матрица показателей уровня жизни населения по регионам Гомельской области отражает различные аспекты уровня жизни населения и включает в себя следующие показатели: величину номинальной среднемесячной зарплаты (тыс. руб. / месяц); обеспеченность благоустроенным жильем одного городского жителя (кв. м на чел.); обеспеченность благоустроенным жильем одного сельского жителя (кв. м на чел.); численность студентов (на 10 тыс. чел. населения); интегральный уровень образования; показатель чистоты воздуха (единицу делим на выбросы и умножаем на 1 млн.); среднюю плотность загрязнения (Ku / кв. км); первичную заболеваемость населения (число случаев на 100 тыс. населения); первичную заболеваемость населения (число случаев на 100 тыс. населения), первичную заболеваемость населения детей до 14 лет; обеспеченность медицинскими кадрами (суммарная численность врачей и среднего медицинского персонала на 10 тыс. чел.); посещаемость театров (число раз на тыс. чел. населения); посещаемость музеев (число раз на тыс. чел. населения); преступность в районе (количество преступлений на 10 тыс. населения).
Матрица показателей экономического развития регионов Гомельской области предназначена для отображения экономического развития и включает в себя следующие показатели: экспорт товаров на 1-го работника, тыс. долл.; импорт товаров на 1-го работника, тыс. долл.; сальдо на 1-го работника, тыс. долл.; х5 – прибыль (убыток) предприятий и организаций на 1-го работника, тыс. руб.; х6 – платные услуги населению тыс. руб. / чел. и др.
Так как уровень жизни населения определяется финансовой устойчивостью регионов, для ее оценки мы предлагаем использовать показатель рентабельности. Общеизвестно, что на уровень рентабельности существенное влияние оказывают как экономические, так и социальные факторы. Поэтому при проведении регрессионного анализа финансовой устойчивости регионов наряду с экономическими показателями нами использовались и социальные показатели.
Постановка задачи. Существует некая статистически значимая связь между показателями системы устойчивого развития региона. Определение характера связи и степени влияния данных показателей на рост уровня жизни населения позволит выявить особенности функционирования системы региональной экономки, на их основе предсказать будущее поведение объекта при изменении каких-либо параметров и предложить корректировку курса региональной экономической политики.
При выборе вида статистической модели будем использовать логический анализ изучаемых показателей, сравнение статистических характеристик (коэффициенты множественной корреляции и детерминации).
В работе выбраны модели множественной регрессии. В подобных моделях значения экономических переменных определяются обычно влиянием не одного, а нескольких факторов. Искомые региональные уравнения регрессии прямолинейного вида будем отыскивать в следующем виде (1):
где y – функция (анализируемый показатель);
а0 – свободный член уравнения (в отдельных случаях при экономическом анализе имеет логический смысл только регрессионное уравнение, в котором а0 = 0);
х1, х2,…, хn – факторные признаки, определяющие результативный показатель;
а1, а2,…, аn – коэффициенты регрессии при факторных признаках, характеризующие уровень влияния каждого фактора на результативный показатель в его единицах измерения.
Тесноту связи между анализируемым показателем и всеми факторами, включенными в модель, определяет множественный коэффициент корреляции (Ry/x). Из практических соображений выделим следующие диапазоны тесноты связи между переменными в зависимости от величины коэффициента корреляции: при Ry/x < 0,3 – слабая степень тесноты связи, при Ry/x = 0,31 – 0,5 – умеренная, при Ry/x = 0,51 – 0,7 – заметная и при Ry/x > 0,7 – высокая степень тесноты связи.
Квадрат коэффициента корреляции называется коэффициентом детерминации [R – квадрат (R2)]. Он показывает, на сколько процентов вариация результативного показателя зависит от избранных факторов.
При регрессионном анализе данных, отражающих уровень устойчивости регионального развития, нами выделено восемь базовых статистических задач. Наиболее важные статистические характеристики по выделенным задачам приведены в табл. 1.
Таблица 1
Статистические характеристики уравнений регрессии по регионам Гомельской области
[Составлена автором]
По уравнению регрессии, отражающему результаты решения задачи 7, получен множественный коэффициент корреляции (R0,70), который показывает высокую тесноту связи между изучаемым фактором и факторными признаками. При этом коэффициент детерминации (R2) составил 0,537. Следовательно, изучаемый фактор объясняет зависимость от факторных признаков на 53,7%. По задачам 1–6 получены более низкие коэффициенты корреляции (0,598–0,697) и более низкие коэффициенты детерминации (0,362–0,486), что характеризует тесноту связи в полученном корреляционном уравнении как заметную. В задаче 8 получен низкий коэффициент корреляции и, соответственно, низкий коэффициент детерминации. Следовательно, в данной задаче тесноту связей следует оценить как слабую. Однако в задаче 8 полученное корреляционное уравнение может быть использовано для выявления ориентированных прогнозных ошибок.
Из всех факторных признаков в семи задачах, приведенных в табл. 1, на увеличение выбранного показателя чаще всего оказывает влияние факторный признак х6 – платные услуги населению (в четырех задачах из шести – 66,7%) и только один раз (16,7%) – на уменьшение.
В двух задачах (66,7% от количества решенных) на уменьшение выбранного показателя оказывает влияние факторный признак х8 – средняя плотность загрязнения.
Дисперсионный анализ дает возможность установить, существенное ли влияние на изменение изучаемого параметра оказывает тот или иной из рассматриваемых факторов или их взаимодействие, а также оценить количественно удельный вес каждого из источников изменчивости в их общей совокупности [2, с. 51].
Постановка задачи. В практической деятельности, связанной с проведением различных региональных исследований, мы часто сталкиваемся с необходимостью выявить и оценить влияние отдельных факторов на изменчивость какого-либо изучаемого параметра.
Результаты регионального дисперсионного анализа. По традиционной схеме проведения однофакторного дисперсионного анализа выполнены конкретные исследования, позволяющие ответить на вопрос, существенно ли влияние региональных особенностей на изменение изучаемого экономического или социального параметра по регионам Гомельской области. Полученные результаты в сводном виде приведены в табл. 2.
При этом номера задач дисперсионного и выполненного выше регрессионного анализа совпадают, так как эти задачи решались синхронно. Кроме того, дисперсионный анализ выполнен по всем городам и районам Гомельской области в целом по двенадцати показателям уровня жизни населения за шесть лет и отдельно по каждому показателю уровня жизни населения в разрезе городов и районов.
Таблица 2
Сводные результаты дисперсионного анализа региональных экономических и социальных параметров по регионам Гомельской области за 2005 г.
[Составлена автором]
Полученные результаты регионального дисперсионного анализа позволяют сформулировать следующие основные выводы, представляющие теоретический и практический интерес:
1. В результате изучения социально-экономической природы влияния регионального фактора на региональные социально – экономические процессы создается возможность объяснить, почему в одних локальных задачах влияние данного фактора на изучаемый параметр проявляется более сильно, а в других ослабевает.
2. Выявлено сильное влияние регионального фактора при изучении параметров всех решенных задач.
Постановка задачи. Расширение масштаба проводимого многомерного анализа, имеющего целью более глубокое изучение комбинаций факторных признаков, и в конечном итоге – выделение однородных региональных зон может быть реализовано с применением кластерного анализа [1, с. 61]. Наиболее существенные методологические черты кластерного анализа: образование единой меры, охватывающей ряд характеризующих признаков, и группировка объектов наблюдения.
В кластерном региональном анализе группировочные признаки подвергаются объединению с помощью функции евклидова расстояния.
Последовательный процесс кластеризации начинается с рассмотрения n районов, затем два наименее сходных района объединяются в один кластер и число кластеров становится равным n – 1. Процесс повторяется до тех пор, пока все n районов не попадут в один кластер, содержащий все районы.
Для представления результатов решения задачи регионального кластерного анализа будем использовать «дендрограмму» как графическое изображение результатов процесса последовательной кластеризации, который осуществляется в терминах матрицы расстояний или сходства.
Результаты регионального кластерного анализа. Социально-экономическое зонирование в Гомельской области по выделенным показателям уровня жизни населения выполнено с использованием SPSS Version 10 (анализ статистических данных и восстановление скрытых закономерностей) [3, с. 384–417] регионального кластерного анализа. При этом использованы следующие показатели, характеризующие уровень жизни населения: x1 – номинальная среднемесячная зарплата; x2 – обеспеченность благоустроенным жильем одного жителя; x3 – численность студентов на 10 тыс. чел.; x5 – интегральный уровень образования; x5 – показатель чистоты воздуха; x6 – средняя плотность загрязнения; x7 – первичная заболеваемость населения в целом; x8 – первичная заболеваемость детей до 14 лет; x9 – обеспеченность медицинскими кадрами; x10 – посещаемость театров; x11 – посещаемость музеев; x12 – уровень преступности в районе.
В табл. 3 приведены результаты ранжирования районов (городов) Гомельской области. Определяем группировки регионов Гомельской области. Наиболее приоритетными оказались Рогачевский и Чечерский районы, на втором месте – Октябрьский район, на третьем – Кормянский район и т. д.
Таблица 3
Распределение районов и городов Гомельской области по приоритетам кластерного анализа, 2005 г.
[Составлена автором]
Распределение показателей уровня жизни населения Гомельской области по приоритетам кластерного анализа за 2005 г. отражено в табл. 4.
Таблица 4
Распределение показателей уровня жизни населения Гомельской области по приоритетам кластерного анализа, 2005 г.
[Составлена автором]
По аналогии с предыдущей задачей социально-экономического зонирования определяем группировки показателей. Результаты решения приведенных задач с использованием кластерного анализа представляют интерес для принятия управленческих решений на уровне Гомельского облисполкома.
Социально-экономическое зонирование в Гомельской области. В задаче по показателю x2 – обеспеченность благоустроенным жильем одного жителя – рассматриваются возможные варианты объединения регионов Гомельской области в более крупные территориальные образования с целью более глубокого социально-экономического анализа для повышения обоснованности принимаемых региональных управленческих решений. Задача социально-экономического зонирования также решена с использованием пакета SPSS Version 10 (анализ статистических данных и восстановление скрытых закономерностей).
Полученный количественный результат решения задачи по показателю x2 – обеспеченность благоустроенным жильем одного жителя приведен в табл. 5. (Cluster Membership). В данной таблице отражены три наиболее предпочтительных варианта объединения кластеров по условию сходства по исследуемому показателю. Например, при выделении в Гомельской области четырех регионов (4 Clusters) в соответствии с поставленной задачей целесообразно следующее объединение административно-территориальных образований в регионы: первый регион – Брагинский, Буда-Кошелевский, Ветковский, Ельский, Житковичский, Кормянский, Лельчицкий, Лоевский, Мозырский, Октябрьский, Петриковский и Чечерский районы; второй – Гомельский, Жлобинский, Наровлянский и Рогачевский; третий – Добрушский, Калинковичский, Светлогорский; четвертый регион – Речицкий и Хойникский районы, г. Мозырь и г. Гомель.
Таблица 5
Варианты социально-экономического зонирования в Гомельской области по показателю обеспеченности благоустроенным жильем одного жителя, кв.м на человека (Cluster Membership)
[Составлена автором]
Результаты вычислений показывают возможность выделения следующих приоритетных вариантов социально-экономических зон в Гомельской области:
– при выделении двух социально-экономических зон к первой социально-экономической зоне следует отнести все административные образования Гомельской области за исключением Речицкого и Хойникского районов, г. Мозыря и г. Гомеля;
– при выделении трех социально-экономических зон к первой социально-экономической зоне целесообразно отнести Брагинский, Буда-Кошелевский, Ветковский, Ельский, Житковичский, Кормянский, Лельчицкий, Лоевский, Мозырский, Октябрьский, Петриковский и Чечерский районы; ко второй – Гомельский, Добрушский, Жлобинский, Калинковичский, Наровлянский, Рогачевский и Светлагорский районы; к третьей социально-экономической зоне – Речицкий и Хойникский районы, г. Мозырь и г. Гомель;
– при выделении четырех социально-экономических зон в первую зону попадают Брагинский, Буда-Кошелевский, Ветковский, Ельский, Житковичский, Кормянский, Лельчицкий, Лоевский, Мозырский, Октябрьский, Петриковский и Чечерский районы; во вторую зону – Гомельский, Жлобинский, Наровлянский и Рогачевский районы; к третьей социально-экономической зоне возможно отнести Добрушский, Калинковичский и Светлогорский районы; к четвертой– Речицкий и Хойникский районы, г. Мозырь и г. Гомель.
Таким образом, для совершенствования управления регионами Гомельской области представляется возможным выделить два основных направления использования данных результатов: совершенствование административно-территориального деления на областном уровне управления и повышение эффективности социально-экономического управления регионами.


Литература
1. Герасенко В.П., Герасенко П.В. Кластерное зонирование по факторам развития человеческого потенциала // Вопросы статистики. – 2006. – № 9. – С. 61 – 66.
2. Герасенко В.П. Дисперсионный анализ региональных экономических параметров // Вестн. Белорус. гос. экономического университета. – 2006. – № 1 (54). – С. 50–54.
3. Бююль А., Цефель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей: Пер. с нем. – СПб.: ООО «ДиаСофтЮП», 2001. – С. 368–284.

Вернуться к содержанию номера

Copyright © Проблемы современной экономики 2002 - 2020
ISSN 1818-3395 - печатная версия, ISSN 1818-3409 - электронная (онлайновая) версия