Социальный потенциал региона: опыт использования кластерного анализа

Социология региона / Sociology of a region

Введение: в условиях разделения полномочий между федеральным центром и субъектами Российской Федерации, сопровождающихся отнесением многих социальных расходов к региональному предмету ведения, российские регионы стали источником территориального неравенства. Территориальное неравенство, проявляющееся в разном уровне развития промышленности, в разной инфраструктурной обеспеченности, в разных размерах региональных социальных выплат и пр., усиливает проявления индивидуально-личностного и семейного неравенств.

Материалы и методы: в качестве основного метода обработки и анализа данных использовался кластерный анализ. Необходимые статистические данные взяты из сборника «Регионы России. Социально-экономические показатели. 2016». Расчеты и визуализация данных осуществлялись посредством программы Deductor. Для кластеризации выделены три индекса — индекс экономического развития региона, индекс безопасности региона, индекс инфраструктурной обеспеченности региона. В ходе изучения результатов формирования кластеров (матриц схожести кластеров, профилей кластеров, данных статистики) был выбран алгоритм ЕМ-кластеризации, являющийся итерационной процедурой.

ФИЛИПОВА Александра Геннадьевна, профессор Департамента социальных и психологических наук Дальневосточного федерального университета, доктор социологических наук, доцент (690922, г. Владивосток, о. Русский, Кампус ДВФУ, корпус А(24)) ^e-mail: . ORCID: Researcher ID: L-5384-2015.

ЕСЬКОВА Анна Владимировна, заведующий кафедрой информационных систем Комсомольского-на-Амуре государственного технического университета, кандидат технических наук (681013, Россия, г. Комсомольск-на-Амуре, пр. Ленина, 27) ^e-mail: . ORCID: http://orcid. org/0000-0001-5762-5579

ИНЗАРЦЕВ Алексей Вячеславович, доцент кафедры информационных систем Комсомольского-на-Амуре государственного технического университета, кандидат технических наук (681013, Россия, г. Комсомольск-на-Амуре, пр. Ленина, 27) ^e-mail: . ORCID: http://orcid. org/0000-0001-7012-3450

Результаты исследования: получены семь кластеров: нулевой — 3 регио на (3,5 %), первый — 7 (7,1 %), второй — 32 (37,6 %), третий — 24 (28,2 %), четвертый — 7 (8,2 %), пятый — 5 (5,9 %), шестой — 8 (9,4 %). Посредством метода группировки уровень развития социального потенциала регионов, входящих в тот или иной кластер, был охарактеризован как «очень высокий», «высокий», «средний», «низкий» и «очень низкий». Описание производилось в отношении каждого индекса — индекса экономического развития, индекса безопасности, индекса инфраструктурной обеспеченности — с привлечением описательных статистик, матриц сравнения кластеров.

Обсуждение и заключения: анализ данных кластеризации российских регионов по уровню развития социального потенциала позволил обозначить актуальные направления дальнейших исследований. Работа по выделению кластеров будет продолжена с тем, чтобы достичь высокого влияния каждого индекса на формирование кластеров, а также приблизиться к минимальным значениям в матрице сравнения. На следующем этапе будут выявлены корреляции обозначенных индексов развития социального потенциала регионов, а также изучено влияние составляющих элементов каждого индекса на его значение в целом. Сравнение данных 2015 г. с данными предыдущих периодов даст представление о динамике развития социального потенциала российских регионов.

Введение. В современных условиях российские регионы характеризуются разным социально-экономическим потенциалом, влияющим на возможности их развития, а в ряде случаев — даже выживания. Последнее обусловлено принятием закона о разграничении полномочий между федеральными и региональными властями, что вызвало передачу значительной части социальных обязательств региональному уровню. Субъектам Федерации в результате реформы были переданы функции регулирования и финансирования государственной социальной помощи, содержания учреждений разных сфер1. Ученые обращают внимание на политический контекст реформы: «Реализация Федерального закона от 22 августа 2004 г. № 122-ФЗ2 преследовала фактически лишь цели бюджетной оптимизации, улучшения удобства бюджетного планирования и “сбрасывания” значительных расходных полномочий на регионы с последующим жестким финансовым субсидированием регионов ради политического эффекта увеличения зависимости субъектов Федерации от федерального центра»3.

Социальный потенциал региона как система дает ресурсы и провоцирует риски на пути получения детьми образования, сохранения здоровья, развития творческих и других способностей. К неравенству индивидуально-личностного (физическое и психическое здоровье) и семейного (образование и культурный капитал родителей) ресурсов добавляется территориальная дифференциация. Этот вид неравенства проявляется на двух уровнях. Первый уровень характеризуется неодинаковыми природно-климатическими условиями проживания, разным географическим расположением регионов (относительно г. Москвы, других государств). Второй уровень связан с экономическим развитием, состоянием социальной инфраструктуры, институциональной средой. Условия второго уровня, в отличие от первого, поддаются изменениям, вследствие чего могут быть смягчены проявления социального и экономического неравенства регионов.

Социальный потенциал детства в регионе определяется нами «как совокупность ресурсов, резервов и возможностей детей как особой социально-демографической общности, проживающей на территории какого-либо региона (субъекта Российской Федерации), реализующихся под воздействием внешних и внутренних факторов, направленных на достижение качественного состояния детства в области здоровья, образования и духовно-нравственного развития, формирование необходимого набора стартовых ресурсов для выхода во взрослую жизнь» [1, с. 145].

Обзор литературы. Отечественные исследователи часто прибегают к сравнительному анализу, сопоставляя уровень социального или социально-экономического развития регионов (А. Г. Гранберг с соавторами [2], Н. В. Зубаревич и С. Г. Сафронов [3—4], Е. А. Лубашев [5]), уровень и качество жизни населения разных регионов (С. А. Айвазян и

M. Ю. Афанасьев4, И. А. Герасимова [6—7]), социально-демографические и миграционные процессы (А. Г. Вишневский [8], Н. М. Римашевская [9—10]) и др.

При этом довольно часто исследователи прибегают к методу кластеризации, используя его для изучения инновационного потенциала регионов, уровня безработицы, рыночной инфраструктуры и предпринимательства, научной активности, уровня социально-экономического развития регионов (Ю. И. и Д. Ю. Трещевские5, Т. И. и С. В. Муза-левы6, Л. В. Портнова [11], И. С. Пушков7 и др.).

Однако детство редко попадает в поле зрения ученых-регионоведов. Отдельные индикаторы, характеризующие социальный потенциал детства в регионе, изучаются как дополнительные факторы, влияющие на целевые показатели развития регионов. Например, коэффициент рождаемости может интерпретироваться как фактор, повышающий иждивенческую нагрузку населения, усиливающий его социальное расслоение, или, при прогнозировании социального развития региона, как фактор, который может увеличить безработицу, поскольку выросшие дети усилят конкуренцию на рынке труда.

Материалы и методы. Система «Социальный потенциал детства в регионе» в терминах системного подхода описывается нами через следующий набор данных: «Входные воздействия на систему», «Выходные характеристики системы», «Воздействия внешней среды», «Ресурсы», «Внутренние индикаторы системы» [12]. Мы представили предварительные результаты изучения социального потенциала региона как совокупности внешних условий, определяющих среду, в которую погружено детство.

Для дальнейшей разработки моделей развития социального потенциала детства в регионе была поставлена задача кластеризации субъектов Федерации. Расчеты и визуализация данных осуществлялись с помощью программы Deductor8. Выбор кластерного анализа в качестве основного метода исследования на данном этапе связан с такими его особенностями, как выявление правил/способов группирования объектов и их реализация, возможность учитывать влияние многих факторов на формирование кластеров, возможность обрабатывать большой объем данных.

Для кластеризации нами выделены три индекса: экономического развития региона, безопасности региона, инфраструктурной обеспеченности региона. Для их расчета были выбраны статистические показатели из сборника «Регионы России. Социально-экономические показатели. 2016»9, в котором представлены данные за 2015 г. Относительные величины (коэффициенты, проценты, промилле), выражающие меру количественных соотношений, позволяют сравнивать данные, взятые по разным субъектам Федерации. Абсолютные величины, например количество безработных в регионе, вовсе не информативны при сравнении регионов, разных по размерам, уровню экономического развития и т. д. В этом случае уровень безработицы, рассчитывающийся как отношение количества безработных к количеству экономически активного населения, позволяет делать выводы о регионах с высоким/средним/низким уровнем безработицы.

Приведение показателей к сопоставимому виду проходило в два этапа. На первом для ряда показателей осуществлялся переход от абсолютных показателей к относительным, как правило, показателям интенсивности. На втором значения всех преобразованных показателей стандартизировались (нормировались) к единому диапазону значений путем отнесения этих значений к некоторой величине, отражающей определенные свойства показателя. Нормирование проводилось по формуле 1:

x - x

И = -    --~ ,                 (1)

норм.               Q          "                                ^{x 7}

где И — нормированное значение показателя, х — значение показателя для рассматриваемого региона, х , о — соответственно, среднее значение и среднее квадратическое отклонение рассматриваемого показателя, исчисленные по всем регионам.

Веса, характеризующие значимость того или иного показателя, на данном этапе исследования не применялись.

При определении составляющих каждого индекса пришлось ограничиться доступными в указанном статистическом ежегоднике данными. Сложности сбора данных отдельно по каждому региону, например из региональных статистических сборников, связаны как с трудоемкостью процесса, так и с разрозненностью получаемой информации.

Индекс экономического развития исчислялся на основе нормированных значений трех показателей: ВРП на душу населения, уровень безработицы и доля населения с доходами ниже величины прожиточного минимума. Поскольку в случае с безработицей и низкими доходами высокие значения сигнализируют о негативных процессах, у соответствующих нормированных показателей производилась замена знака на минус. Окончательно индекс экономического развития рассчитывался по формуле 2:

• --    _ ВРИ + оезр. + прож.мии.                           /ох

где Иврп — нормированное значение показателя валового регионального продукта на душу населения, И6м — нормированное значение показателя уровня безработицы в процентном соотношении, И      — нормированное зна чение показателя численности населения с доходами ниже величины прожиточного минимума, % от общей численности населения субъекта Федерации.

Индекс безопасности региона рассчитывался по формуле 3: И И И И уд __ преет. + ДТП + загр.возд. + загр.вод.                    /ох

^безоп. ~                                                  ’              х°7

где И — нормированное значение показателя количества преступлений на 100 тыс., И_ДТП — нормированное значение показателя количества ДТП на 100 тыс.,

И зозв — нормированное значение показателя выбросов загрязняющих веществ в атмосферный воздух на душу населения, И _воа — нормированное значение показателя сброса загрязненных сточных вод на душу населения.

Более сложные расчеты были произведены в отношении третьего индекса — инфраструктурной обеспеченности, который определялся по формуле 4:

И , И , И„ И Й + 11

И инфр-ПОЛ-

жил. + -коммун. + зоравоох. + образ. культ.

Здесь каждый индекс рассчитывался отдельно по своим формулам (5—9) с данными, приведенными, как и во всех предыдущих случаях, к нормированному виду (формула 1).

И Й .И , _ тд — оощ.пл.. + ветх.фона                               / где Ио6 — общая площадь жилых помещений, приходящаяся в среднем на 1 жителя, И , , — удельный вес ветхого и аварийного жилищного фонда в общей площади всего жилищного фонда.

И = (6) коммун. 2

где И , — количество автобусов общего пользования на автоо.                                       ^{и              1}

100 тыс. чел.,          — число абонентов Интернета на

• ⁷ Интернет

100 чел.

+ ^мед.персонал , И бальз. , ^амбул.

И _а =                      j                     ,            (7)

здравоох.                                   -г                             ^{7                 х 7}

где И — численность врачей на 10 тыс. чел., И— численность среднего медицинского персонала на 10 тыс. чел., И_6мья — количество больничных коек на 10 тыс. чел., — амбулаторно-поликлиническая мощность на 10 тыс. чел.

Иа И Й И      И  + и pj        _ оогак. + смен-оо-уч. + наполн-кл. + ср.зв. высш.зв.

образ.                                                                                 >            \ / где И — охват детей дошкольным образованием, %; Исяено6 — удельный вес учащихся во 2-ю и 3-ю смены; И — средняя наполняемость классов; И — численность студентов среднего звена на 10 тыс. чел.; Ивысшзв — численность студентов высшего звена на 10 тыс. чел.

И и .      , и

^       _ театр + музеи + оиол. + газет кулът-                                   4                          >            \ / где Итеатр — число зрителей театров на 1 тыс. чел., И^ зей — количество посещений музеев на 1 тыс., Ибибд — библиотечный фонд на 1 тыс. чел., И — выпуск газет на 1 тыс. чел.

Значения трех индексов, полученные в результате расчетов, были взяты за основу кластеризации российских регионов. Данные экспортировались в программу Deductor. Был проведен анализ качества данных, позволивший выявить выбросы, экстремальные значения, подвергшиеся в дальнейшем редактированию — установлению верхней или нижней границ, как, например, в случае с индексом культуры в Москве и Санкт-Петербурге (экстремально высокое значение) или индексами образования и жилья в Ингушетии (экстремально низкое значение). После чего для кластеризации были поочередно использованы разные алгоритмы формирования кластеров — k-means, g-means, карта Кохонена и др.

В ходе изучения результатов формирования кластеров (матриц схожести кластеров, профилей кластеров, данных статистики) был выбран алгоритм ЕМ-кластеризации, являющийся итерационной процедурой. Алгоритм ЕМ основан на предположении, что исследуемое множество данных может быть смоделировано с помощью линейной комбинации многомерных нормальных распределений [13]. Были заданы исходные параметры алгоритма: способ разделения исходного множества данных — случайное; фиксированное количество кластеров, равное 7; максимальное количество итераций, равное 300; требуемый уровень точности модели, равный 10 \

Результаты исследования. Итоговое количество кластеров — 7. Распределение регионов по кластерам получилось следующее: нулевой — 3 региона (3,5 %), первый — 7 (7,1 %), второй — 32 (37,6 %), третий — 24 (28,2 %), четвертый — 7 (8,2 %), пятый — 5 (5,9 %), шестой — 8 (9,4 %).

В табл. 1 приведены значения среднего и среднего квадратического отклонения по всем индексам для каждого из полученных кластеров.

Таблица 1

Описательные статистики

Индикатор	Характеристика индикатора	0	1	2	3	4	5	6
и	Спеднее	1.54	-1.0	0.13	0.02	-0.05	0.97	-0.8
	Ср. квадр. отклон.	0,34	0,51	0,3	0,23	0,28	0,21	0,66
безоп.	Среднее	-0,97	1,19	0,24	-0,59	0,4	0,29	-0,24
	Ср. квадр. отклон.	0,34	0,47	0,13	0,34	0,3	0,5	0,16
И „ инфр.	Среднее	-0,5	-0,75	0,06	0,12	0,16	0,56	-0,16
	Ср. квадр. отклон.	0,41	0,22	0,19	0,23	0,19	0,37	0,33

Для описания уровней развития социального потенциала полученных кластеров с помощью лексем «очень высокий», «высокий», «средний», «низкий» и «очень низкий» следует сделать группировку по каждому индексу. Для этого, получив разницу между максимальным и минимальным значениями по индексу, разделим полученную величину на пять и определим таким образом шаг. В случае с И он равен 0,68, И_6езоп — 0,63, И_инфр — 0,39.

В табл. 2 представлены интервалы, характеризующие значения разных уровней развития социального потенциала регионов, входящих в тот или иной кластер по каждому из трех индексов.

Таблица 2

Интервалы, характеризующие значения разных уровней развития социального потенциала регионов

Индикатор	Очень высокий	Высокий	Средний	Низкий	Очень низкий
иэк	[+1,74; + 1.071	[+1,06; + 0.391	[+0,38; -0.291	[-0,30; -0.971	[-0,98; -1.651
ив безоп.	[+1,74; + 1.111	[+1,10; + 0.481	[+0,47; -0.151	[-0,16; -0.781	[-0,79; -1.411
И „ инфр.	[+1,0; +0,611	[+0,60; + 0,221	[+0,21; -0,171	[-0,18; -0,561	[-0,57; -0,951

Нулевой кластер: уровень экономического развития — очень высокий, уровень безопасности — очень низкий, уровень инфраструктурной обеспеченности — средний. Первый кластер: уровень экономического развития — очень низкий, уровень безопасности — очень высокий, уровень инфраструктурной обеспеченности — очень низкий. Второй кластер: уровень экономического развития — средний, уровень безопасности — средний, уровень инфраструктурной обеспеченности — средний. Третий кластер: уровень экономического развития — средний, уровень безопасности — низкий, уровень инфраструктурной обеспеченности — средний. Четвертый кластер: уровень экономического развития — средний, уровень безопасности — средний, уровень инфраструктурной обеспеченности — средний. Пятый кластер: уровень экономического развития — высокий, уровень безопасности — средний, уровень инфраструктурной обеспеченности — высокий. Шестой кластер: уровень экономического развития — низкий, уровень безопасности — низкий, уровень инфраструктурной обеспеченности — низкий.

Обозначенные индексы оказали разное влияние на формирование кластеров. В табл. 3 отражена значимость каждого индекса, ее данные показывают, что индекс экономического благополучия региона в двух ситуациях — кластерах 3 и 4 — характеризуется небольшой значимостью. Это может сигнализировать о необходимости внесения изменений в формулу расчета индекса, при этом учитывается, что статистические данные по показателю «валовый региональный продукт на душу населения» имеют распределение, отклоняющееся от нормального.

Таблица 3

Оценка значимости индексов при кластеризации, %

Индикатор	0	1	2	3	4	5	6
И „ эк.благ.	100,0	100,0	80,7	4,7	21,8	99,9	99,9
безоп.	99,4	100,0	99,9	100	92,3	70,5	73,2
И , „ инф.обесп.	98,4	100,0	62,1	80,7	69,6	99,8	81,6

Целесообразно осуществить замену в формуле И_врп, так как этот индекс вносит смещения в оценку социального потенциала региона, поскольку не все заработанные в регионе средства остаются в нем и обеспечивают повышение благосостояния его жителей. Замена И_врп будет произведена на индекс доходов (И ), равный отношению среднедушевых денежных доходов населения к величине прожиточного минимума. Распределение других индексов отклоняется от нормального, но в меньшей степени.

Нулевой кластер включил Ханты-Мансийский, Ямало-Ненецкий и Ненецкий автономные округа. Для него характерно сочетание очень высоких значений индекса экономического благополучия с низкими показателями по двум другим — индексам безопасности и инфраструктурной обеспеченности.

На формирование этого кластера сильное влияние оказали все три индекса. Значение среднего квадратического отклонения (0,41) индекса инфраструктурной обеспеченности указывает на больший разброс значений в этом кластере от среднего.

В первый кластер вошли Карачаево-Черкесская, Кабардино-Балкарская, Чеченская республики, а также республики Дагестан, Ингушетия. Необходимо отметить стопроцентную значимость всех трех индексов при образовании этого кластера. Для индекса экономического благополучия характерны низкие и очень низкие значения, для индекса безопасности — высокие и очень высокие. Низкие значения индекса экономического благополучия коррелируют с низкими значениями индекса инфраструктурной обеспеченности. Для данного кластера в двух случаях (И^^, H_gMmJ среднее квадратическое отклонение (0,51 и 0,47) указывает на больший разброс значений от среднего.

Второй кластер — самый большой по числу включенных в него регионов (Краснодарский, Алтайский края; Ивановская, Орловская, Рязанская, Тверская, Калининградская, Тульская, Свердловская, Липецкая, Самарская, Ульяновская, Томская, Астраханская, Смоленская, Брянская, Волгоградская, Костромская, Оренбургская, Ростовская, Новосибирская, Воронежская, Удмуртская, Пензенская, Московская, Курская, Тамбовская области; республики Татарстан, Марий Эл, Саха, Северная Осетия — Алания, Башкортостан). На его формирование существенно повлияли все три индекса (в меньшей степени индекс инфраструктурной обеспеченности, 62,1 %). Описательные статистики говорят о том, что значения всех трех индикаторов немного превышают среднее. Однако изучение регионов кластера демонстрирует наличие низких (отрицательных) значений для индексов экономического благополучия и инфраструктурной обеспеченности по некоторым регионам: И_к — Ивановская область, Алтайский край, Томская, Смоленская, Волгоградская области и др. Минимального значения индекс достигает в Алтайском крае и Республике Марий Эл, а максимальных — в Московской и Липецкой областях. И _6есг1 принимает отрицательные значения для Краснодарского и Алтайского краев, Тверской, Пензенской, Московской областей и др. В целом также можно отметить положительную корреляцию индексов экономического благополучия и инфраструктурной обеспеченности.

Третий кластер — второй по размеру, включает 24 региона (Кировская, Псковская, Владимирская, Омская, Ярославская, Калужская, Иркутская, Тюменская, Челябинская, Кемеровская, Амурская, Магаданская, Вологодская, Архангельская, Новгородская, Мурманская области; республики Хакасия, Карелия, Калмыкия, Коми; Хабаровский, Камчатский, Красноярский, Приморский края). Уровень развития социального потенциала принимает средние и немного ниже среднего значения. При этом описательные статистики показывают, что с индексами экономического благополучия и инфраструктурной обеспеченности регионов ситуация лучше — они, как правило, положительны, а вот индекс безопасности оказывается ниже нуля. Минимальные значения последний принимает в Красноярском крае ( ^—1,01), республиках Карелия и Коми ( — 1,1 и -1,05 соответственно) и Мурманской области (-1,41). В кластер попали пять регионов, имеющих отрицательные значения по всем трем индексам. Это Республика Хакасия, Иркутская, Челябинская и Кемеровская области, Приморский край. Оценка значимости показала сильное влияние индексов безопасности и инфраструктурной обеспеченности на формирование кластера в сочетании с малым влиянием индекса экономического благополучия.

Четвертый кластер образован семью регионами — г. Севастополем, Нижегородской и Саратовской областями, республиками Адыгея, Мордовия и Чувашия. Описательные статистики показали, что по двум индексам средние значения положительны, по индексу экономического благополучия немного ниже нуля. Матрица сравнения кластеров показала существенные сходства второго и четвертого кластера. Дальнейшая работа планируется в направлении их возможного объединения. Кроме того, оценка значимости влияния индексов на формирование этого кластера продемонстрировала небольшое влияние индекса экономического благополучия при высоких значениях двух других.

Пятый кластер интерпретируется как самый благополучный из всех выделенных. Средние значения по всем трем индексам положительны, а в случаях с инфраструктурной обеспеченностью и экономическим благополучием принимают высокие и очень высокие значения. В этот кластер попали Белгородская и Сахалинская области, Москва и Санкт-Петербург, а также Чукотский автономный округ. При этом у двух регионов наблюдаются отрицательные значения индекса безопасности — у Сахалинской области и Санкт-Петербурга. Оценка значимости влияния всех трех индексов на формирование кластера довольно высока.

Шестой кластер составляет оппозицию предыдущему — у него все три индекса принимают отрицательные значения. Оценка степени влияния индексов на формирование кластера высока. В кластер вошли Ленинградская, Курганская области, республики Бурятия, Тыва, Калмыкия, Алтай, Еврейская автономная область и Забайкальский край. Индекс экономического благополучия принимает экстремально низкие значения в двух регионах — Республике Тыва ( ^—1,65) и Республике Калмыкия (-1,63). Для этого кластера характерно наибольшее среди всех кластеров среднеквадратическое отклонение значения индекса экономического благополучия от среднего, которое составляет 0,66.

Обсуждение и заключения. Анализ данных кластеризации российских регионов по уровню развития социального потенциала позволил обозначить актуальные направления дальнейших исследований. Во-первых, необходимо продолжить работу по выделению кластеров с тем, чтобы достичь высокого влияния каждого индекса на формирование кластеров, а также обеспечить минимальные значения в матрице сравнения. При значениях схожести кластеров, близких к 100 %, необходимо выполнить объединение подобных групп. Сопоставление результатов кластеризации с результатами, полученными с помощью метода группировки, позволит верифицировать полученные данные. Выделенные кластеры можно сравнить с результатами кластеризации других российских исследователей. Во-вторых, в доработке нуждается описание выделенных кластеров с точки зрения развитости социального потенциала (выделение шкал и их интерпретация). В-третьих, дальнейшая аналитическая работа будет вестись в направлении выявления корреляций обозначенных индексов развития социального потенциала регионов, а также изучения влияния составляющих элементов каждого индекса на его значение в целом. В-четвертых, посредством ГИС-технологий следует построить карты с выделением слоев кластеризации по трем индексам в целом и каждому в отдельности. Это позволит оценить влияние географического и природно-климатического факторов на социальный потенциал региона. В-пятых, сравнение данных 2015 г. с данными предыдущих периодов даст представление о динамике развития социального потенциала российских регионов.