Качество жизни в городе и селе: сравнительный анализ на основе метода главных компонент

Институт аграрных проблем Саратовского научного центра РАН, Саратов, Россия, ,

Institute of Agrarian Problems, Russian Academy of Sciences, Saratov, Russia, ,

жизнедеятельности в условиях свободы и справедливости, стали активно говорить в 1960-70-е гг. (Лига и др., 2019). Тогда же стало ясно, что качество жизни определяется не только динамикой валового национального продукта и экономических показателей, связанных с ним, таких как доходы, потребление, но и состоянием среды обитания, безопасности, экологии и др.; стала осознаваться «социальная цена» экономического роста (Алмакаева, 2006; Головин, 2022).

Как следствие, были сформулированы новые подходы к измерению качества жизни, включающие расширенные требования к эмпирической базе. В частности, предполагалась фиксация большого числа разнообразных показателей, ассоциированных с ним, как правило, в режиме панельного статистического наблюдения. Собранные данные позволяли мониторить ситуацию с качеством жизни – отдельные частные показатели давали представление о различных его аспектах. Размер отслеживаемого набора мог быть довольно большим: 19 показателей в Нидерландах, 40–70 – в Канаде, Великобритании, Австралии, Новой Зеландии, 134 – в Италии (Кислицына, 2016), что делало анализ КЖ на их основе трудоемким и сложным для обобщений и сопоставлений, и требовало предварительного агрегирования данных.

Важно отметить определяющую зависимость результатов измерения от выбранной системы показателей и метода их агрегирования. В отсутствие общепризнанного критерия выбора показателей любое измерение КЖ будет субъективным и связанным с решением конкретных задач. На уровне государства такие задачи часто определяются практической потребностью обосновывать управленческие решения в сфере социальной политики, что объясняет большой объем формируемых баз данных. В исследовательской практике на первый план обычно выходит анализ какой-либо научной или научно-прикладной проблемы, которая диктует свои требования к формированию базы данных. В настоящем исследовании акцент ставится на применении математико-статистических методов, адекватных проблемам измерения многоаспектного, многомерного КЖ.

Методы и эмпирическая база . Одним из распространенных методов анализа многомерных характеристик является метод главных компонент (ГК). В соответствии с ним m показателей, участвующих в анализе, приводятся к единому масштабу – нормируются с нулевым средним и единичной дисперсией. После этого определяется направление наибольшего разброса объектов - точек в m -мерном пространстве - и в этом направлении проводится новая ось координат, отождествляемая с первой главной компонентой. Вторая ось строится в направлении наибольшего разброса в редуцированном до m-1 -мерности пространстве и ортогонально первой; далее все последующие m-2 оси строятся по тем же принципам проведения вдоль линии наибольшего разброса в пространстве сокращающейся размерности ортогонально проведенной на предыдущем шаге оси (Дубров и др., 2003).

В результате получается m -мерная система координат, в которой ГК1, построенная в направлении наибольшего разброса, оказывается наиболее информативной в объяснении факторов разброса; информативность каждой последующей ГК непрерывно снижается. Если в исходной системе координат дисперсия каждого нормированного признака – показатель его разброса - равна 1 и объясняет 1/m их суммарной дисперсии, то теперь ГК с меньшим номером объясняет б о льшую долю суммарной дисперсии, и основная информативность системы концентрируется в первых k< главных компонентах. Таким образом происходит снижение размерности признакового пространства с m до к, и дальнейший анализ проводится на основе к новых обобщенных признаков – главных компонент. Каждая из них при этом должна иметь удовлетворительную интерпретацию, чтобы результаты анализа на их основе могли поддаваться содержательному описанию (Жгун, 2017; Оценка данных о доходах населения в региональном разрезе методом главных компонент …, 2019; Vyas, Kumaranayake, 2006).

Для анализа КЖ необходимо прежде всего выбрать источник данных и на его основе сформировать систему конкретных показателей. В настоящем исследовании в качестве источника данных выбрано Комплексное обследование условий жизни населения по итогам 2022 г. (КОУЖ, Росстат)1 – в нем имеется большое разнообразие показателей, которые можно связать с различными аспектами качества жизни. Выборка из базы КОУЖ (N = 60 тыс.) включала данные по домохозяйствам и по индивидам 15 лет и старше, которые приводились к уровню домохозяйств усреднением ответов респондентов на число членов их домохозяйства.

Все показатели КОУЖ образуются на основе ответов респондентов на вопросы о фактах (например, о наличии водопровода, доступности горячей воды, направлениях использования Интернета) и на основе оценочных суждений (о качестве воды, близости магазинов к дому, финансовых возможностях и т. п.) и выражены в категориальной, бинарной или порядковой шкале. Переменные для анализа методом ГК рассчитывались как средние арифметические ответов каждого главы домохозяйства на близкие по смыслу вопросы; смысловая близость подтверждалась корреляционным анализом. Например, переменная «Доступность магазинов, аптек, госуслуг в сферах медицины, образования, подготовки документов» была рассчитана на основе 5 бинарных показателей, определяющих расположение соответствующих объектов вблизи места проживания респондента; переменная «Финансовая возможность оплачивать лекарства, одежду, обувь, мясо, фрукты, прием гостей» рассчитывалась на основе 6 соответствующих бинарных показателей. По итогам содержательного и корреляционного анализа была сформирована база данных из 18 переменных, к которым был применен метод ГК1.

Результаты и обсуждение . Факторные нагрузки (таблица 1) представляют собой корреляции исходных переменных с выделенными главными компонентами. Наиболее высокие из них указывают на переменные, которые в наибольшей степени определяют соответствующую главную компоненту и на основе которых можно провести ее интерпретацию.

Таблица 1 . Матрица факторных нагрузок, превышающих 0,5²

Table 1 . Matrix of Factor Loadings Exceeding 0,5

Исходные переменные	Факторные наг			рузки
	ГК1	ГК2	ГК3	ГК4	ГК5
Наличие работы, удовлетворенность ее режимом, надежностью, расстоянием до нее, рабочими обязанностями, условиями труда, в профессиональном и моральном смысле	0,835
Работа легкая, безопасная, не связана с нервным напряжением, воздействием вредных факторов, неудобствами	0,793
Ежедневный выход в Интернет; цель выхода – получение информации, поиск товаров, финансовые операции, чтение новостей	0,736
Цель выхода в Интернет – работа, поиск вакансий и клиентов, обучение, использование библиотек; наличие высшего образования	0,633
Здоровье очень хорошее или хорошее, отсутствие хронических болезней	0,662
Канализация без засоров, затоплений, запаха		0,800
Холодная вода без перебоев и протечек, с нормальным напором		0,774
Горячая вода без перебоев, с нормальным напором, высокой температурой		0,780
Наличие водопровода, канализации, горячей воды, отопления, газа (при необходимости), ванной и туалета внутри жилья		0,680
Финансовая возможность оплачивать лекарства, новую одежду, обувь, мясопродукты, фрукты, прием гостей			0,765
Финансовая возможность сводить концы с концами, оплачивать неожиданные траты, мебель, отпуск вне дома; удовлетворенность доходом			0,736
Финансовая возможность приобрести спутниковую антенну, компьютер, планшет, доступ в Интернет			0,660
Удовлетворенность торговым и бытовым обслуживанием, ассортиментом, качеством и стоимостью товаров и услуг				0,745
Отсутствие очередей, удобный график работы торговых точек и учреждений бытового обслуживания				0,580
Близость к дому торговых точек, аптек; доступность госуслуг в сфере медицины, образования, подготовки документов				0,635
Близость к дому учреждений культуры, досуга, спорта				0,559
Низкий уровень преступности, вандализма, алкоголизма, наркомании; удовлетворенность экологией					0,797
Удовлетворенность общей благоустроенностью, работой транспорта, состоянием дорог					0,768

Очевидно, наиболее информативная ГК1, объясняющая 24,8 % суммарной дисперсии, образована пятью переменными, описывающими важнейшие социальные характеристики индивида – уровень его образования, состояние здоровья, занятость, удовлетворенность работой, частоту и направления использования Интернета. ГК2 объясняет 13,4 % суммарной дисперсии и объединяет переменные, характеризующие состояние жилья и коммунального хозяйства. ГК3 объясняет 8,7 % суммарной дисперсии и интерпретируется как показатель финансовых возможностей семьи. ГК4 и ГК5 объясняют 6,4 и 5,6 % суммарной дисперсии и отражают доступность сферы услуг и удовлетворенность ее состоянием и уровень безопасности и благоустроенности внешней среды.

Состав первых трех ГК, объясняющих около половины суммарной дисперсии и несущих наибольшую смысловую нагрузку, свидетельствует о том, что обобщенный показатель качества жизни – в рамках сформированного массива данных – определяется сочетанием объективных показателей наличия и использования благ (работы, Интернета, коммунальных ресурсов) и субъективно-оценочных суждений об их доступности и качестве. В отсутствие объективных характеристик сфера услуг и внешняя среда проживания демонстрируют более низкий, чем можно было ожидать, вклад в формирование КЖ.

Таким образом, сформированный набор из 18 показателей КЖ свелся к системе из 5 агрегированных, хорошо интерпретируемых главных компонент, отражающих наиболее общие и важные аспекты качества жизни и показывающих важность сочетания объективных и субъективнооценочных показателей в его измерении.

Сельско-городские сопоставления были проведены на основе данных, сгруппированных по типу местности отдельно по каждому из 5 выделенных аспектов – значения каждой ГК усреднялись по всем домохозяйствам села и города. Так как среднее значение каждой ГК, рассчитанное по всем исходным объектам-домохозяйствам, равно 0, то по степени отклонения от 0 значений ГК, рассчитанных после группировки, можно оценивать сельско-городские различия в соответствующих аспектах качества жизни (таблица 2).

Таблица 2 . Средние значения главных компонент, рассчитанные отдельно по городским и сельским домохозяйствам

Table 2 . Average Values of the Principle Components for Urban and Rural Households,

Calculated Separately

	ГК1	ГК2	ГК3	ГК4	ГК5
Город	0,095	0,342	0,033	0,155	–0,055
Село	–0,213	–0,769	–0,074	–0,348	0,124

Можно видеть, что село опережает город только по одному из пяти аспектов качества жизни – по ГК5, интерпретируемой как уровень общественной безопасности и благоустроенности.

Наибольшие отклонения от нуля наблюдаются у ГК2 и ГК4 – по состоянию сферы услуг (коммунальных, государственных, медицинских, образовательных, потребительских) город значительно опережает село.

Далее следуют социальные характеристики (ГК1); выгодная позиция города здесь определяется прежде всего показателями удовлетворенности работой и использования Интернета: сельское население критичнее характеризует свою работу и менее интенсивно пользуется Интернетом, особенно в направлениях, связанных с текущими потребностями – с поиском товаров, информации, финансовыми операциями.

Наименьшее превышение города над селом среди пяти рассматриваемых аспектов качества жизни наблюдается по оценке финансовых возможностей (ГК3). Это связано с характером ГК3, которая сформирована показателями, фиксирующими мнения респондентов об их финансовых возможностях, а не реальные возможности, определяемые размером доходов. Оценочные мнения о финансовых возможностях оказываются заметно более однородными по сравнению с объективным показателем доходов.

Применение метода главных компонент упрощает проведение классификации объектов в редуцированном пространстве новых обобщенных переменных одним из методов кластерного анализа. В настоящем исследовании в качестве объектов классификации были взяты 16 совокупностей городских и сельских домохозяйств по каждому федеральному округу России; усреднением ГК1 – ГК5 относительно числа домохозяйств из каждой совокупности были получены переменные для классификации. В качестве метода классификации был выбран метод Уарда, часто применяемый для пространственных объектов, с квадратом Евклида в качестве метрики. Процесс формирования кластеров представлен на рис. 1.

Можно видеть, что формирование кластеров происходило отдельно по городским и сельским местностям федеральных округов, за исключением Северо–Кавказского. То есть КЖ городского и сельского населения одного округа различается сильнее, чем в разных федеральных округах. Это отражает системные различия.

Приволжский ФО (село)

Южный ФО (село)

Уральский ФО (село)

Центральный ФО (село)

Северо-Западный ФО (Село)

Сибирский ФО (село)

Дальневосточный ФО (село)

Северо-Кавказский ФО (город)

Северо-Кавказский ФО (село)

Центральный ФО (город)

Северо-Западный ФО (город)

Приволжский ФО (город)

Уральский ФО (город)

Южный ФО (город)

Сибирский ФО (город)

Дальневосточный ФО (город)

Рис. 1 . Дендрограмма «Визуализация процесса объединения федеральных округов в кластеры»

Fig. 1 . Dendrogram “Visualization of the Process of Combining Federal Districts into Clusters”

В таблице 3 представлены средние значения ГК1 – ГК5 по пяти выделенным кластерам.

Таблица 3 . Средние значения главных компонент в кластерах

Table 3 . Average Values of the Principle Components in Clusters

Федеральный округ	Местность	Кластер	ГК1	ГК2	ГК3	ГК4	ГК5
1	2	3	4	5	6	7	8
Приволжский	город	1	–0,082	0,286	–0,044	0,206	–0,131
Уральский	город	1	0,045	0,459	–0,016	0,237	–0,107
Сибирский	город	1	–0,022	0,348	–0,240	0,102	–0,321
Дальневосточный	город	1	0,264	0,226	0,051	–0,087	–0,403
Южный	город	1	0,020	0,086	0,002	0,225	–0,109
Центральный	город	2	0,192	0,470	0,112	0,173	0,160
Северо-Западный	город	2	0,252	0,435	0,263	0,068	–0,050
Центральный	село	3	–0,242	–0,457	0,011	–0,653	0,097
Северо-Западный	село	3	–0,228	–0,652	0,059	–0,538	0,104
Приволжский	село	3	–0,324	–0,850	–0,103	–0,264	0,144
Уральский	село	3	–0,209	–0,653	0,017	–0,310	0,133
Южный	село	3	–0,251	–0,741	–0,114	–0,237	0,183
Сибирский	село	4	–0,174	–1,069	–0,390	–0,347	0,034
Дальневосточный	село	4	0,054	–1,074	–0,088	–0,305	–0,220
Северо-Кавказский	город	5	0,083	–0,100	0,071	0,289	0,364
Северо-Кавказский	село	5	–0,098	–0,819	0,140	0,052	0,476

Кластер 2, включающий городское население Центрального (ЦФО) и Северо-Западного (СЗФО) федеральных округов, является лидером по социальным характеристикам (ГК1), финансовым возможностям населения (ГК3) и состоянию жилищно-коммунальной сферы (ГК2).

Три из пяти «городских частей» федеральных округов, образующих кластер 1, имеют самые высокие (за исключением городского СКФО) показатели удовлетворенности сферой услуг (ГК4). Одновременно с этим регионы кластера выделяются худшими оценками уровня благоустроенности и безопасности (ГК5).

Кластер 3, включающий сельское население ЦФО, СЗФО, Поволжского (ПФО), Уральского (УФО) и Южного (ЮФО) федеральных округов, выделяется наиболее низкими значениями социальных характеристик (ГК1), состояния жилищно-коммунального хозяйства (ЖКХ) (ГК2), удовлетворенности сферой услуг (ГК4). В то же время по оценкам уровня благоустроенности и безопасности (ГК5) регионы кластера 3 уступают только кластеру 5, представленному «городским» и «сельским» населением Северо-Кавказского федерального округа (СКФО). Объекты кластера 5 характеризуются также высокими позициями по оценкам финансовых возможностей и сферы услуг.

Кластер 4, представленный сельским населением Сибирского (СФО) и Дальневосточного (ДВФО) федеральных округов, уступает остальным по состоянию ЖКХ, а также имеет низкие позиции по удовлетворенности сферой услуг (ГК4) и финансовым возможностям (ГК3).

Заключение . Качество жизни – в предложенной трактовке и формализации – определяется следующими пятью аспектами: социальными характеристиками индивида, финансовыми возможностями, состоянием коммунального хозяйства, доступностью сферы услуг, уровнем благоустроенности и безопасности. Анализ показал наибольшее отставание села от города по состоянию коммунального хозяйства и доступности сферы услуг и опережение – по уровню благоустроенности и безопасности. Несоответствие отдельных результатов обыденным представлениям или данным других исследований (например, относительно низкая роль финансовой составляющей в формировании КЖ, более высокая оценка безопасности и благоустроенности в селе) связано с типом используемых показателей, которые отражают субъективно-оценочные суждения респондентов и интерпретируются как мера удовлетворенности благом, а не как его объективная характеристика.

Решение выделенных проблем качества жизни как в городе, так и в селе в значительной мере обеспечивается на уровне местного самоуправления, муниципальных и городских властей. Развитие инфраструктуры, малого предпринимательства, стимулирование хозяйственно-экономической активности населения могут стать действенными инструментами повышения сельского качества жизни и сближения его характеристик в городе и селе.

Классификация федеральных округов России по пяти выделенным аспектам качества жизни показала четкое разделение на «городские» и «сельские» кластеры и выявила значительную территориальную дифференциацию – поляризацию кластеров по большинству аспектов. Наиболее остро проблемы качества жизни ощущаются сельским населением ПФО (по состоянию ЖКХ и социальным характеристикам), СФО (по состоянию ЖКХ, сферы услуг, финансовым возможностям), ДВФО (по состоянию ЖКХ), городским населением СФО (по финансовым возможностям, благоустроенности и безопасности), ДВФО (по благоустроенности и безопасности).